R3Det：具有特征细化模块的精化单阶段旋转目标检测器
计算机视觉与模式识别
2020-12-09 v6 机器学习
图像与视频处理
摘要
旋转检测是一项具有挑战性的任务，原因在于难以定位多角度目标并将其从背景中有效分离。尽管已取得显著进展，但在实际场景中，对于长宽比大、分布密集且类别极度不平衡的旋转目标仍存在挑战。本文中，我们提出一种端到端的精化单阶段旋转检测器，通过从粗到细粒度的渐进式回归方法实现快速而准确的目标检测。考虑到现有精化单阶段检测器中特征错位的问题，我们设计了一个特征细化模块，通过获取更准确的特征来提升检测性能。该特征细化模块的核心思想是通过逐像素特征插值，将当前精化边界框的位置信息重新编码到对应的特征点，以实现特征重建与对齐。为获得更精确的旋转估计，提出了一种近似SkewIoU损失以解决SkewIoU计算不可导的问题。在三个常用遥感公开数据集DOTA、HRSC2016、UCAS-AOD以及一个场景文本数据集ICDAR2015上的实验表明了方法的有效性。Tensorflow和Pytorch版本代码可在 https://github.com/Thinklab-SJTU/R3Det_Tensorflow 和 https://github.com/SJTU-Thinklab-Det/r3det-on-mmdetection 获取，R3Det也已集成于我们的开源旋转检测基准：https://github.com/yangxue0827/RotationDetection。
引用
@article{arxiv.1908.05612,
title = {R3Det: Refined Single-Stage Detector with Feature Refinement for Rotating Object},
author = {Xue Yang and Junchi Yan and Ziming Feng and Tao He},
journal= {arXiv preprint arXiv:1908.05612},
year = {2020}
}
备注
13 pages, 12 figures, 9 tables