用于任意朝向目标检测的动态 Anchor 学习
计算机视觉与模式识别
2020-12-16 v2
摘要
任意朝向的目标广泛出现在自然场景、航空照片、遥感图像等中，因此任意朝向目标检测受到了广泛关注。许多当前的旋转检测器使用大量具有不同朝向的 anchor 来实现与 ground truth 框的空间对齐，然后应用 Intersection-over-Union (IoU) 来采样用于训练的正负候选样本。然而，我们观察到，选定的正 anchor 在回归后并不总能确保准确的检测，而一些负样本却能实现准确的定位。这表明通过 IoU 对 anchor 进行质量评估是不合适的，这进一步导致了分类置信度与定位精度之间的不一致。在本文中，我们提出了一种动态 anchor 学习 (DAL) 方法，该方法利用新定义的匹配度来全面评估 anchor 的定位潜力，并执行更高效的标签分配过程。通过这种方式，检测器可以动态选择高质量的 anchor 以实现准确的目标检测，并且分类与回归之间的分歧将得到缓解。借助新引入的 DAL，我们仅使用少量水平预设 anchor 就实现了任意朝向目标的卓越检测性能。在三个遥感数据集 HRSC2016、DOTA、UCAS-AOD 以及一个场景文本数据集 ICDAR 2015 上的实验结果表明，与基线模型相比，我们的方法取得了显著的提升。此外，我们的方法对于使用水平边界框的目标检测也具有通用性。代码和模型可在 https://github.com/ming71/DAL 获取。
引用
@article{arxiv.2012.04150,
title = {Dynamic Anchor Learning for Arbitrary-Oriented Object Detection},
author = {Qi Ming and Zhiqiang Zhou and Lingjuan Miao and Hongwei Zhang and Linhao Li},
journal= {arXiv preprint arXiv:2012.04150},
year = {2020}
}
备注
Accepted to AAAI 2021. The code and models are available at https://github.com/ming71/DAL