Point RCNN：一种无角度的旋转目标检测框架
计算机视觉与模式识别
2022-06-09 v2
摘要
航拍图像中的旋转目标检测由于目标方向任意、尺度和长宽比变化大以及目标极度密集而仍具挑战性。现有最先进的旋转目标检测方法主要依赖基于角度的检测器。然而，角度回归容易受长期存在的边界问题困扰。为解决这个问题，我们提出了一种纯无角度的旋转目标检测框架，称为 Point RCNN，主要由 PointRPN 和 PointReg 组成。特别地，PointRPN 受 RepPoints 启发，通过由粗到细的方式转换学习到的代表点来生成准确的旋转 RoI（RRoI）。基于学习到的 RRoI，PointReg 执行角点精化以获得更精准的检测。此外，航拍图像常存在严重的类别不均衡，现有方法几乎忽略此问题。本文中我们还通过实验验证，对稀有类别图像进行重采样可稳定训练并进一步提升检测性能。实验表明，我们的 Point RCNN 在常用航拍数据集（包括 DOTA-v1.0、DOTA-v1.5 和 HRSC2016）上取得了新的最先进检测性能。
引用
@article{arxiv.2205.14328,
title = {Point RCNN: An Angle-Free Framework for Rotated Object Detection},
author = {Qiang Zhou and Chaohui Yu and Zhibin Wang and Hao Li},
journal= {arXiv preprint arXiv:2205.14328},
year = {2022}
}