加速旋转不变卷积用于无人机图像分割
计算机视觉与模式识别
2025-12-16 v2 机器人学
摘要
旋转不变性对于无人机航拍图像中精确的目标级分割至关重要，因为目标可以具有任意方向并表现出细粒度细节。传统的分割架构如U-Net依赖不具备旋转不变性的卷积算子，导致在不同视角下分割精度下降。旋转不变性可以通过在多个方向上扩展滤波器组来实现，但这会显著增加计算成本和内存通信。在本文中，我们提出了一种GPU优化的旋转不变卷积框架，消除了基于矩阵乘法的卷积所需的传统数据降维（im2col）步骤。通过利用对称旋转滤波器之间的结构化数据共享，我们的方法以大幅减少的内存通信和计算冗余实现了多方向卷积。我们进一步将该方法推广以加速任意（非对称）旋转角度的卷积。在广泛基准测试中，所提出的卷积相比CUDNN实现了20-55%的训练加速和15-45%的能耗降低，同时保持了与最先进的旋转不变方法相当的精度。在八方向设置下，我们的方法在256×256输入上实现了高达45%的加速和41%的能耗节省，在1024×1024输入上实现了32%的加速和23%的能耗降低。集成到U-Net分割模型中，该框架相比非旋转感知基线实现了高达6%的精度提升。这些结果表明，所提出的方法为现有的旋转不变CNN框架提供了一种有效且高效的替代方案。
引用
@article{arxiv.2512.08888,
title = {Accelerated Rotation-Invariant Convolution for UAV Image Segmentation},
author = {Manduhu Manduhu and Alexander Dow and Gerard Dooly and James Riordan},
journal= {arXiv preprint arXiv:2512.08888},
year = {2025}
}