G-Rep:面向任意朝向目标检测的高斯表示
计算机视觉与模式识别
2023-02-01 v2 人工智能
机器学习
摘要
任意朝向目标检测任务的典型表示包括有向边界框(OBB)、四边形边界框(QBB)和点集(PointSet)。每种表示都因其特性而遇到问题,如边界不连续、类方问题、表示歧义与孤立点,导致检测不准确。尽管已针对各种表示提出许多有效策略,仍无统一解决方案。当前基于高斯建模的检测方法已展现出打破此困境的可能性;然而它们仍局限于OBB。为更进一步,本文提出一种称为G-Rep的统一高斯表示,为OBB、QBB与PointSet构建高斯分布,从而实现对各种表示与问题的统一解决。具体而言,将基于PointSet或QBB的目标表示转换为高斯分布,并使用最大似然估计算法优化其参数。接着,由于三种可选高斯度量具有优异的参数优化机制,我们探索以之优化检测器的回归损失。此外,我们还使用高斯度量进行采样,以对齐标签分配与回归损失。在DOTA、HRSC2016、UCAS-AOD与ICDAR2015等多个公开数据集上的实验结果表明,所提方法在任意朝向目标检测上性能优异。
引用
@article{arxiv.2205.11796,
title = {G-Rep: Gaussian Representation for Arbitrary-Oriented Object Detection},
author = {Liping Hou and Ke Lu and Xue Yang and Yuqiu Li and Jian Xue},
journal= {arXiv preprint arXiv:2205.11796},
year = {2023}
}
备注
24 pages, 6 figures, 10 tables, the code has been open sourced at https://github.com/open-mmlab/mmrotate