面向旋转目标检测的调制损失学习
计算机视觉与模式识别
2019-12-23 v3
摘要
流行的旋转检测方法通常使用五个参数（中心点坐标、宽、高和旋转角）来描述旋转边界框，并使用 l1-loss 作为损失函数。在本文中，我们认为上述组合会导致训练不稳定和性能退化，这是由于角度的固有周期性以及随之而来的宽高突然交换所导致的损失不连续性所致。鉴于五个参数之间具有不同度量单位的回归不一致性，该问题进一步加剧。我们将上述问题称为旋转灵敏度误差（RSE），并提出一种调制旋转损失以消除损失不连续性。我们的新损失与八参数回归相结合，进一步解决了参数回归不一致的问题。实验表明，我们的方法在公开航拍图像基准 DOTA 和 UCAS-AOD 上取得了最先进的性能。其泛化能力也在 ICDAR2015、HRSC2016 和 FDDB 上得到验证。定性改进可见图 1，源代码将在论文发表时发布。
引用
@article{arxiv.1911.08299,
title = {Learning Modulated Loss for Rotated Object Detection},
author = {Wen Qian and Xue Yang and Silong Peng and Yue Guo and Junchi Yan},
journal= {arXiv preprint arXiv:1911.08299},
year = {2019}
}
备注
11 pages, 8 figures