通过学习可旋转边界框实现旋转不变检测器
计算机视觉与模式识别
2017-11-28 v1
摘要
任意旋转物体的检测是一项具有挑战性的任务，原因在于难以定位多角度物体并将其与背景有效分离。现有方法由于使用传统的边界框（这是一种用于定位旋转物体的旋转可变结构），对物体角度变化不够鲁棒。本文提出一种新的检测方法，其应用了新定义的可旋转边界框（RBox）。所提出的检测器（DRBox）能够有效处理物体朝向角度任意的情况。DRBox的训练迫使检测网络学习物体的正确朝向角度，从而实现旋转不变性。DRBox在卫星图像上测试了车辆、船只和飞机的检测，并与作为传统边界框方法基准的 Faster R-CNN 和 SSD 进行比较。结果表明，在给定任务上 DRBox 的性能远优于传统边界框方法，且对输入图像和目标物体的旋转更具鲁棒性。此外，结果表明 DRBox 能正确输出物体的朝向角度，这对于高效定位多角度物体非常有用。代码与模型见 https://github.com/liulei01/DRBox。
引用
@article{arxiv.1711.09405,
title = {Learning a Rotation Invariant Detector with Rotatable Bounding Box},
author = {Lei Liu and Zongxu Pan and Bin Lei},
journal= {arXiv preprint arXiv:1711.09405},
year = {2017}
}