FRED：迈向航拍图像目标检测中的全旋转等变性
计算机视觉与模式识别
2024-01-15 v1 机器学习
摘要
旋转等变性是有向目标检测中一个基本但具有挑战性的特性。通用目标检测器由于传统CNN的平移等变性自然利用了空间平移的鲁棒性，但实现旋转等变性仍是一个难以达成的目标。当前检测器部署各种对齐技术以推导旋转不变特征，但仍依赖高容量模型和对所有可能旋转的大量数据增强。本文提出全旋转等变有向目标检测器（FRED），其从图像到边界框预测的整个过程严格等变。具体而言，我们将不变任务（目标分类）与等变任务（目标定位）解耦以实现端到端等变性。我们将边界框表示为一组旋转等变向量以实现旋转等变定位。此外，我们将这些旋转等变向量用作可变形卷积中的偏移量，从而增强了空间适应的现有优势。利用全旋转等变性，我们的FRED相比现有方法对图像级旋转表现出更高的鲁棒性。此外，我们通过实验表明FRED向非轴对齐学习更近了一步。与最先进方法相比，我们提出的方法在DOTA-v1.0上性能相当，在DOTA-v1.5上mAP高出1.5，同时将模型参数显著减少至16%。
引用
@article{arxiv.2401.06159,
title = {FRED: Towards a Full Rotation-Equivariance in Aerial Image Object Detection},
author = {Chanho Lee and Jinsu Son and Hyounguk Shon and Yunho Jeon and Junmo Kim},
journal= {arXiv preprint arXiv:2401.06159},
year = {2024}
}
备注
Accepted to the 38th Annual AAAI Conference on Artificial Intelligence (AAAI24),Vancouver, British Columbia, 2024