用于有向目标检测的边缘 Wasserstein 距离损失
计算机视觉与模式识别
2023-12-13 v1
摘要
回归损失设计是有向目标检测的重要课题。由于角度的周期性以及宽度和高度定义的模糊性，传统的 L1 距离损失及其变体一直受到度量不连续和类正方形问题的困扰。作为一种解决方案，基于分布的方法通过将有向框表示为分布而展现出显著优势。不同于利用高斯分布以获取距离度量的解析形式，我们提出了一种新颖的有向回归损失，即 Wasserstein 距离损失，以缓解类正方形问题。具体而言，对于有向框表示，我们选择一种特殊设计的分布，其概率密度函数仅在边缘上非零。在此基础上，我们以 Wasserstein 距离作为度量。此外，基于 OBox 的边缘表示，EWD 损失可以推广到四边形和多项式回归场景。在多个流行数据集和不同检测器上的实验表明了所提方法的有效性。
引用
@article{arxiv.2312.07048,
title = {Edge Wasserstein Distance Loss for Oriented Object Detection},
author = {Yuke Zhu and Yumeng Ruan and Zihua Xiong and Sheng Guo},
journal= {arXiv preprint arXiv:2312.07048},
year = {2023}
}