面向旋转目标检测的线性高斯包围盒表示与环形旋转卷积
计算机视觉与模式识别
2024-06-13 v2
摘要
在旋转目标检测中，当前有向包围盒（OBB）的表示常受边界不连续问题困扰。设计连续回归损失的方法并未从根本上解决该问题。尽管高斯包围盒（GBB）表示避免了该问题，但直接回归 GBB 易受数值不稳定影响。我们提出线性 GBB（LGBB），一种新颖的 OBB 表示。通过线性变换 GBB 的元素，LGBB 避免了边界不连续问题且具有高数值稳定性。此外，现有的基于卷积的旋转敏感特征提取方法仅具有局部感受野，导致特征聚合缓慢。我们提出环形旋转卷积（RRC），其自适应地将特征图旋转至任意方向，在环形感受野下提取旋转敏感特征，快速聚合特征与上下文信息。实验结果表明，LGBB 与 RRC 取得了最先进的性能。此外，将 LGBB 和 RRC 集成到多种模型中有效提升了检测精度。
引用
@article{arxiv.2311.05410,
title = {Linear Gaussian Bounding Box Representation and Ring-Shaped Rotated Convolution for Oriented Object Detection},
author = {Zhen Zhou and Yunkai Ma and Junfeng Fan and Zhaoyang Liu and Fengshui Jing and Min Tan},
journal= {arXiv preprint arXiv:2311.05410},
year = {2024}
}