基于傅里叶的旋转不变特征增强：一种高效的地理空间目标检测框架
计算机视觉与模式识别
2020-02-19 v1
摘要
由于星载成像的快速发展，近年来遥感影像的地理空间目标检测日益受到关注。以往提出的大多数目标检测器对目标形变（如缩放和旋转）非常敏感。为此，我们在本快报中提出一种新颖且高效的地理空间目标检测框架，称为基于傅里叶的旋转不变特征增强（FRIFB）。首先在极坐标下生成基于傅里叶的旋转不变特征。然后，可利用聚合通道特征对提取的特征进行进一步的结构化精炼。这带来了更快的特征计算与更鲁棒的特征表示，非常契合后续的增强学习。最后，在测试阶段，我们通过估计尺度因子而非直接从图像金字塔收集所有特征，实现了快速的金字塔特征提取。在两个 NWPU VHR-10 数据集子集上的大量实验表明，与先前最先进的方法相比，FRIFB 具有优越性和有效性。
引用
@article{arxiv.1905.11074,
title = {Fourier-based Rotation-invariant Feature Boosting: An Efficient Framework for Geospatial Object Detection},
author = {Xin Wu and Danfeng Hong and Jocelyn Chanussot and Yang Xu and Ran Tao and Yue Wang},
journal= {arXiv preprint arXiv:1905.11074},
year = {2020}
}