通过各向异性高斯边界框和巴塔克里亚距离提升旋转目标检测
计算机视觉与模式识别
2025-10-21 v1
摘要
准确且高效地检测旋转目标是计算机视觉中的重要挑战，尤其是在航空航天图像、遥感和自动驾驶等应用中。虽然传统目标检测框架对轴对齐目标效果良好，但在涉及旋转目标的场景中常表现不佳，due to 其捕捉方向变化的局限性。本文引入了改进的损失函数，以提升检测精度和鲁棒性，利用高斯边界框表示和巴塔克里亚距离。此外，我们主张使用各向异性高斯表示以解决 isotropic variance 在方形目标中的问题。我们的方法通过纳入 rotation-invariant 损失函数来解决这些挑战，有效捕捉旋转目标的几何属性。我们将该损失函数集成到基于深度学习的先进旋转目标检测器中，进行大量实验，显示在平均精度指标上显著优于现有方法。结果凸显了该方法在无论目标方向方面实现精确可靠目标定位的潜力。
引用
@article{arxiv.2510.16445,
title = {Enhancing Rotated Object Detection via Anisotropic Gaussian Bounding Box and Bhattacharyya Distance},
author = {Chien Thai and Mai Xuan Trang and Huong Ninh and Hoang Hiep Ly and Anh Son Le},
journal= {arXiv preprint arXiv:2510.16445},
year = {2025}
}
备注
Neurocomputing