IENet：用于定向航拍目标检测的交互分支单阶段无锚框检测器
计算机视觉与模式识别
2021-03-30 v2 机器学习
摘要
由于目标可见特征匮乏且方向多变，航拍图像中的目标检测是一项具有挑战性的任务。近期，基于区域卷积神经网络（R-CNN）的两阶段检测器在利用水平边界框（HBB）和定向边界框（OBB）从航拍图像中预测目标方面取得了显著进展，其在一个阶段进行目标定位，在另一阶段进行目标分类。然而，由于锚框匹配以及使用感兴趣区域（RoI）池化进行特征提取，两阶段检测器的计算复杂度通常较高，尤其是对于定向目标检测。本文提出一种用于定向目标检测的单阶段无锚框检测器，即交互分支网络（IENet），其构建于以逐像素方式预测的探测器之上。首先，采用一种新颖的几何变换以在角度预测中更好地表示定向目标；随后，开发了一种带有自注意力机制的分支交互模块，用于融合来自分类与边界框回归分支的特征。最后，我们引入了一种用于OBB检测的增强交并比（IoU）损失，其在计算上比正则多边形IoU更高效。实验表明，与最先进的检测器相比，我们所提方法的有效性与优越性。
引用
@article{arxiv.1912.00969,
title = {IENet: Interacting Embranchment One Stage Anchor Free Detector for Orientation Aerial Object Detection},
author = {Youtian Lin and Pengming Feng and Jian Guan and Wenwu Wang and Jonathon Chambers},
journal= {arXiv preprint arXiv:1912.00969},
year = {2021}
}