基于边界感知向量的航空影像有向目标检测
计算机视觉与模式识别
2020-09-01 v2
摘要
航空影像中的有向目标检测是一项具有挑战性的任务，因为航空影像中的目标以任意方向呈现且通常密集排布。当前有向目标检测方法主要依赖于两阶段基于锚框的检测器。然而，基于锚框的检测器通常遭受正负锚框之间严重不平衡的问题。为解决该问题，本文将有向目标检测任务扩展自基于水平关键点的目标检测器。具体而言，我们首先检测目标的中心关键点，并基于此回归边界感知向量（BBAVectors）以捕获有向边界框。边界感知向量分布于所有任意方向目标的笛卡尔坐标系的四个象限中。为缓解角点情形下向量学习的困难，我们进一步将有向边界框分类为水平边界框与旋转边界框。实验中，我们表明学习边界感知向量优于直接预测有向边界框的宽度、高度与角度（如基线方法所采用）。此外，所提方法与最先进的方法相比具有竞争力。代码见 https://github.com/yijingru/BBAVectors-Oriented-Object-Detection。
引用
@article{arxiv.2008.07043,
title = {Oriented Object Detection in Aerial Images with Box Boundary-Aware Vectors},
author = {Jingru Yi and Pengxiang Wu and Bo Liu and Qiaoying Huang and Hui Qu and Dimitris Metaxas},
journal= {arXiv preprint arXiv:2008.07043},
year = {2020}
}
备注
Accepted to WACV2021