基于模型交互的锚点修饰用于航拍图像中鲁棒目标检测
计算机视觉与模式识别
2022-05-04 v1
摘要
目标检测在计算机视觉中取得了巨大进展。具有外观退化的小目标检测是一个突出挑战，尤其对于航拍观测。为收集足够的启发式训练正/负样本，大多数目标检测器预设区域锚点以计算与真值数据的交并比（IoU）。在此情况下，小目标常被丢弃或误标。本文中，我们提出一种有效的动态增强锚点（DEA）网络来构建新颖的训练样本生成器。与其他最先进技术不同，所提网络利用样本判别器实现基于锚点单元与无锚点单元之间的交互式样本筛选以生成合格样本。此外，采用保守的基于锚点推断方案的多任务联合训练提升了所提模型的性能，同时降低了计算复杂度。该方案支持有向和水平目标检测任务。在两个具挑战性的航拍基准（即 DOTA 和 HRSC2016）上的大量实验表明，我们的方法以适中的推断速度和训练计算开销取得了最先进的精度性能。在 DOTA 上，我们集成了 RoI-Transformer 基线的 DEA-Net 以更弱的主干网络（ResNet-101 对比 ResNet-152）在有向目标检测上超越先进方法 0.40% 平均精度均值（mAP），并以相同主干在水平目标检测上超越 3.08% 平均精度均值（mAP）。此外，我们集成了 ReDet 基线的 DEA-Net 以 80.37% 取得最先进性能。在 HRSC2016 上，它仅使用 3 个水平锚点便超越先前最佳模型 1.1%。
引用
@article{arxiv.2112.06701,
title = {Anchor Retouching via Model Interaction for Robust Object Detection in Aerial Images},
author = {Dong Liang and Qixiang Geng and Zongqi Wei and Dmitry A. Vorontsov and Ekaterina L. Kim and Mingqiang Wei and Huiyu Zhou},
journal= {arXiv preprint arXiv:2112.06701},
year = {2022}
}