EARL：用于遥感图像有向目标检测的椭圆分布辅助自适应旋转标签分配
计算机视觉与模式识别
2023-10-18 v2
摘要
标签分配是目标检测中的关键过程，它通过在训练过程中确定正样本或负样本，对检测性能产生重大影响。然而，现有的标签分配策略几乎没有充分考虑遥感图像中目标的特征，例如尺度和长宽比的巨大变化，导致采样不足和不平衡，并引入更多低质量样本，从而限制了检测性能。为了解决上述问题，提出了一种椭圆分布辅助自适应旋转标签分配方法，用于在无锚框检测器中自适应地选择高质量正样本。具体而言，提出了一种自适应尺度采样策略，根据目标的尺度在多级特征图中自适应地选择样本，实现了更均衡的尺度级样本分布的充分采样。此外，提出了一种动态椭圆分布辅助采样策略，使样本分布更灵活地适应目标的形状和方向，并过滤掉低质量样本。进一步地，引入了空间距离加权模块，将自适应距离权重集成到损失函数中，使检测器更关注高质量样本。在几个流行数据集上的大量实验证明了我们提出的 EARL 的有效性和优越性，无需任何额外的复杂设计，它可以轻松应用于不同的检测器并实现 SOTA 性能。源代码将在以下网址获得：https://github.com/Justlovesmile/EARL。
引用
@article{arxiv.2301.05856,
title = {EARL: An Elliptical Distribution aided Adaptive Rotation Label Assignment for Oriented Object Detection in Remote Sensing Images},
author = {Jian Guan and Mingjie Xie and Youtian Lin and Guangjun He and Pengming Feng},
journal= {arXiv preprint arXiv:2301.05856},
year = {2023}
}