对齐深度特征用于有向目标检测
计算机视觉与模式识别
2021-07-13 v3
摘要
过去十年中，在检测航空图像中目标方面取得了显著进展，这些目标通常具有大尺度变化和任意方向分布。然而，大多数现有方法依赖于启发式定义的具有不同尺度、角度和长宽比的锚框，并且通常遭受锚框与轴对齐卷积特征之间的严重错位，这导致分类分数与定位精度之间常见的不一致。为解决此问题，我们提出一个单阶段对齐网络（SA-Net），由两个模块组成：特征对齐模块（FAM）和有向检测模块（ODM）。FAM 可通过锚框细化网络生成高质量锚框，并通过一种新颖的对齐卷积根据锚框自适应对齐卷积特征。ODM 首先采用主动旋转滤波器编码方向信息，然后产生方向敏感和方向不变特征以缓解分类分数与定位精度之间的不一致。此外，我们进一步探索在大尺寸图像中检测目标的方法，从而取得速度与时精度之间更好的权衡。大量实验表明，我们的方法在两个常用航空目标数据集（即 DOTA 和 HRSC2016）上可实现最先进的性能，同时保持高效率。代码可在 https://github.com/csuhan/s2anet 获取。
引用
@article{arxiv.2008.09397,
title = {Align Deep Features for Oriented Object Detection},
author = {Jiaming Han and Jian Ding and Jie Li and Gui-Song Xia},
journal= {arXiv preprint arXiv:2008.09397},
year = {2021}
}