GauCho：基于 Cholesky 分解的高斯分布用于有向目标检测
计算机视觉与模式识别
2025-03-06 v1
摘要
有向目标检测 (OOD) 在过去几年中受到越来越多的关注，因其是检测远程感知分析中细长对象的合适解决方案。特别是，基于高斯分布的回归损失函数变得引人注目，因为它们产生简单且可微的术语。然而，现有解决方案仍基于产生有向边界框 (OBB) 的回归头，而已知的角度边界连续性问题仍然存在。本文我们提出一种用于 OOD 的回归头，直接产生基于 Cholesky 矩阵分解的高斯分布。该提议的 head 称为 GauCho，理论上缓解了边界连续性问题，并与最新基于高斯的回归损失函数完全兼容。此外，我们主张使用有向椭圆 (OE) 表示有向对象，这与 GauCho 之间存在双射函数关系，有助于缓解圆形对象的编码歧义问题。我们的实验结果表明，GauCho 可以是传统 OBB head 的一个可行替代方案，在具有挑战性的数据集 DOTA 上实现了与或优于最新检测器相当的性能。
关键词
引用
@article{arxiv.2502.01565,
title = {GauCho: Gaussian Distributions with Cholesky Decomposition for Oriented Object Detection},
author = {Jeffri Murrugarra-LLerena and Jose Henrique Lima Marques and Claudio R. Jung},
journal= {arXiv preprint arXiv:2502.01565},
year = {2025}
}