基于预测类别反馈的类别感知动态标签分配与高质量有向提案
计算机视觉与模式识别
2024-07-04 v1
摘要
空中图像中的物体通常嵌入复杂的背景中，并呈现任意方向。在使用有向边界框(OBB)表示任意方向对象时，角度的周期性可能导致标签回归值在边界处出现不连续，引起损失函数的突变。为解决此问题，本文在有向检测框架中引入基于复平面的OBB表示，并提出了三角函数损失函数。此外，利用复杂背景环境的先验知识以及大对象在空中图像中的显著差异，构建了一个 conformer RPN 头部来预测角度信息。所提出的损失函数和 conformer RPN 头部共同生成高质量的有向提案。提出一种基于预测类别反馈的类别感知动态标签分配方法，以解决仅依赖IoU进行提案标签分配的局限性。该方法使负样本选择更具代表性，确保分类和回归特征之间的一致性。在四个真实的有向检测数据集上进行实验，结果表明在最小化参数调优和时间开销的同时，在有向目标检测方面表现出优异性能。具体地，在DOTA-v1.0、DOTA-v1.5、DIOR-R和HRSC2016数据集上分别实现了82.02%、71.99%、69.87%和98.77%的平均精度(mAP)分数。
引用
@article{arxiv.2407.03205,
title = {Category-Aware Dynamic Label Assignment with High-Quality Oriented Proposal},
author = {Mingkui Feng and Hancheng Yu and Xiaoyu Dang and Ming Zhou},
journal= {arXiv preprint arXiv:2407.03205},
year = {2024}
}