改进航拍图像中小型定向目标的检测
计算机视觉与模式识别
2024-01-15 v1 人工智能
摘要
在大型航拍图像中，代表微小像素面积的小型定向目标因其尺寸和方向而难以检测。现有的定向航拍检测器已显示出有希望的结果，但主要侧重于方向建模，而对目标尺寸的关注较少。在这项工作中，我们提出了一种通过增强定向目标检测模型的分类和回归任务来精确检测航拍图像中小型定向目标的方法。我们设计了注意力点网络，该网络包含两个损失：引导注意力损失（GALoss）和框点损失（BPLoss）。GALoss 使用实例分割掩码作为真值，以学习改进小型目标检测所需的注意力特征。然后，这些注意力特征被用于为 BPLoss 预测框点，该损失确定了点相对于目标定向边界框的位置。实验结果表明，我们的注意力点网络在包含小型目标实例的标准定向航拍数据集（DOTA-v1.5）和海事相关数据集（HRSC2016）上均有效。代码已公开。
引用
@article{arxiv.2401.06503,
title = {Improving the Detection of Small Oriented Objects in Aerial Images},
author = {Chandler Timm C. Doloriel and Rhandley D. Cajote},
journal= {arXiv preprint arXiv:2401.06503},
year = {2024}
}
备注
C. T. C. Doloriel and R. D. Cajote, "Improving the Detection of Small Oriented Objects in Aerial Images," 2023 IEEE/CVF Winter Conference on Applications of Computer Vision Workshops (WACVW), Waikoloa, HI, USA, 2023, pp. 176-185, doi: 10.1109/WACVW58289.2023.00023