关于任意朝向目标检测：基于分类的方法再审视
计算机视觉与模式识别
2022-03-24 v4 人工智能
摘要
任意朝向目标检测一直是旋转敏感任务的基础模块。我们首先表明，现有主流基于回归的旋转检测器所遭受的边界问题，根据参数化协议，是由角度周期性或角点排序引起的。我们还表明其根本原因在于理想预测可能超出定义范围。相应地，我们将角度预测任务从回归问题转化为分类问题。对于由此产生的环形分布角度分类问题，我们首先设计了一种环形平滑标签技术来处理角度的周期性并增加对相邻角度的误差容忍度。为减少环形平滑标签带来的过多模型参数，我们进一步设计了密集编码标签，大幅缩短了编码长度。最后，我们进一步开发了目标朝向检测模块，在需要精确朝向信息（例如船舶与飞机朝向检测）时非常有用。我们发布了用于朝向检测的 OHD-SJTU 数据集与 OHDet 检测器。在三个大规模航拍图像公开数据集（即 DOTA、HRSC2016、OHD-SJTU）和人脸数据集 FDDB，以及场景文本数据集 ICDAR2015 和 MLT 上的大量实验结果表明了我们所提方法的有效性。
引用
@article{arxiv.2003.05597,
title = {On the Arbitrary-Oriented Object Detection: Classification based Approaches Revisited},
author = {Xue Yang and Junchi Yan},
journal= {arXiv preprint arXiv:2003.05597},
year = {2022}
}
备注
19 pages, 16 figures, 18 tables, journal version of CSL (ECCV2020) and DCL (CVPR2021), accepted by IJCV2022