H2RBox-v2：引入对称性以提升水平框监督的旋转目标检测
计算机视觉与模式识别
2023-10-17 v4 人工智能
摘要
随着旋转目标检测需求的快速增长（如自动驾驶与遥感），近期提出的涉及弱监督检测器 H2RBox 的范式——从更易获取的水平框（HBox）学习旋转框（RBox）——已展现出前景。本文提出 H2RBox-v2，以进一步缩小 HBox 监督与 RBox 监督旋转目标检测之间的差距。具体而言，我们提出利用翻转与旋转一致性的反射对称性，使用类似于 H2RBox 的弱监督网络分支，以及一个新的自监督分支，从视觉对象固有的对称性中学习方向。该检测器通过实用技术进一步稳定与增强，以应对角度周期性等外围问题。据我们所知，H2RBox-v2 是首个对称性感知的自监督旋转目标检测范式。特别地，与 H2RBox 相比，我们的方法对低质量标注与训练数据不足表现出更低的敏感性。具体地，H2RBox-v2 取得了与旋转标注训练对应方法 Rotated FCOS 非常接近的性能：1）DOTA-v1.0/1.5/2.0：72.31%/64.76%/50.33% 对比 72.44%/64.53%/51.77%；2）HRSC：89.66% 对比 88.99%；3）FAIR1M：42.27% 对比 41.25%。
引用
@article{arxiv.2304.04403,
title = {H2RBox-v2: Incorporating Symmetry for Boosting Horizontal Box Supervised Oriented Object Detection},
author = {Yi Yu and Xue Yang and Qingyun Li and Yue Zhou and Gefan Zhang and Feipeng Da and Junchi Yan},
journal= {arXiv preprint arXiv:2304.04403},
year = {2023}
}
备注
15 pages, 4 figures, 11 tables, accepted by NeurIPS'23, the source code is available at https://github.com/open-mmlab/mmrotate