面向遥感目标检测的多粒度角度表示
计算机视觉与模式识别
2022-12-07 v2
摘要
任意朝向目标检测 (AOOD) 在遥感场景的图像理解中起着重要作用。现有 AOOD 方法面临角度表示中的歧义与高成本挑战。为此，提出一种多粒度角度表示 (MGAR) 方法，由粗粒度角度分类 (CAC) 与细粒度角度回归 (FAR) 组成。具体而言，所设计的 CAC 通过离散角度编码 (DAE) 避免角度预测的歧义，并通过粗化 DAE 的粒度降低复杂度。基于 CAC，开发 FAR 以远低于缩小 DAE 粒度的成本来精炼角度预测。此外，设计了一种交并比 (IoU) 感知的 FAR 损失 (IFL)，利用由 IoU 引导的自适应重加权机制提升角度预测精度。在多个公开遥感数据集上进行了充分实验，证明了所提 MGAR 的有效性。此外，在嵌入式设备上的实验表明所提 MGAR 也利于轻量化部署。
引用
@article{arxiv.2209.02884,
title = {Multi-Grained Angle Representation for Remote Sensing Object Detection},
author = {Hao Wang and Zhanchao Huang and Zhengchao Chen and Ying Song and Wei Li},
journal= {arXiv preprint arXiv:2209.02884},
year = {2022}
}
备注
13 pages, 9 figures, 14 tables