面向航空目标检测的有向RepPoints
计算机视觉与模式识别
2022-03-25 v4
摘要
与通用目标不同，航空目标通常非轴对齐且具任意方向，并处于杂乱背景中。与回归边界框方向的主流方法不同，本文提出一种有效的自适应点学习方法用于航空目标检测，利用自适应点表示来捕捉任意方向实例的几何信息。为此，提出了三种有向转换函数以促进带精确方向的分类与定位。此外，我们提出了一种面向自适应点学习的有效质量评估与样本分配方案，以在训练中选择具代表性的有向reppoints样本，从而能够从相邻目标或背景噪声中捕捉非轴对齐特征。引入空间约束以惩罚离群点，实现鲁棒的自适应学习。在DOTA、HRSC2016、UCAS-AOD和DIOR-R四个具有挑战性的航空数据集上的实验结果证明了我们所提方法的有效性。源代码见：https://github.com/LiWentomng/OrientedRepPoints。
引用
@article{arxiv.2105.11111,
title = {Oriented RepPoints for Aerial Object Detection},
author = {Wentong Li and Yijie Chen and Kaixuan Hu and Jianke Zhu},
journal= {arXiv preprint arXiv:2105.11111},
year = {2022}
}
备注
10 pages, 4 figures, Accepted by CVPR2022