PointOBB：基于单点监督的有向目标检测学习
计算机视觉与模式识别
2023-11-28 v1 人工智能
摘要
单点监督目标检测因其成本效益而受到关注。然而，现有方法侧重于生成水平边界框（HBB），却忽略了航拍图像中目标常用的有向边界框（OBB）。本文提出 PointOBB，即首个基于单点的 OBB 生成方法，用于有向目标检测。PointOBB 通过协同利用三种独特视图运作：原始视图、缩放视图和旋转/翻转（rot/flp）视图。在原始视图上，我们分别利用缩放视图与 rot/flp 视图构建尺度增强模块和角度获取模块。在前一模块中，设计了一种尺度敏感一致性（SSC）损失以增强深度网络感知目标尺度的能力。为准确预测目标角度，后一模块引入自监督学习来预测角度，并关联一种尺度引导的稠密到稀疏（DS）匹配策略以聚合对应于稀疏目标的稠密角度。训练过程中采用渐进式多视图切换策略切换缩放与 rot/flp 视图，以实现尺度与角度的耦合优化。在 DIOR-R 和 DOTA-v1.0 数据集上的实验结果表明，PointOBB 取得了有前景的性能，并显著优于潜在的点监督基线。
引用
@article{arxiv.2311.14757,
title = {PointOBB: Learning Oriented Object Detection via Single Point Supervision},
author = {Junwei Luo and Xue Yang and Yi Yu and Qingyun Li and Junchi Yan and Yansheng Li},
journal= {arXiv preprint arXiv:2311.14757},
year = {2023}
}
备注
11 pages,5 figures, 6 tables. Code: https://github.com/Luo-Z13/pointobb