受限状态角度解析器与旋转 SAR 基准
计算机视觉与模式识别
2025-01-09 v1
摘要
旋转目标检测在光学遥感领域取得了显著进展。然而，合成孔径雷达（SAR）领域的进展却滞后于光学领域，主要由于缺乏大规模数据集。标注此类数据集效率低下且成本高昂。一个有前景的解决方案是利用弱监督模型（例如仅使用可用水平框训练的模型）生成用于参考的伪旋转框，再进行人工校准。不幸的是，现有的弱监督模型在预测对象角度方面精度有限。以前的工作尝试通过使用角度解析器将角度分解为余弦和正弦编码来增强角度预测。在本工作中，我们首先从统一的维度映射视角重新评估这些解析器，发现它们存在相同的缺陷：这些方法忽略了这些编码中固有的单位循环约束，容易导致预测偏差。为解决此问题，我们提出了单位循环解析器（Unit Cycle Resolver），该解析器包含单位圆约束损失以提高角度预测精度。我们的做法可以有效提高现有基于状态的弱监督方法的性能，甚至在现有的光学基准（即 DOTA-v1.0 数据集）上超越完全监督模型。借助 UCR，我们进一步标注并引入 RSAR，即目前为止最大规模的多类旋转 SAR 目标检测数据集。RSAR 和代码可在 https://github.com/zhasion/RSAR 查找。在 RSAR 和光学数据集上的大量实验表明，UCR 可提高角度预测精度。
引用
@article{arxiv.2501.04440,
title = {RSAR: Restricted State Angle Resolver and Rotated SAR Benchmark},
author = {Xin Zhang and Xue Yang and Yuxuan Li and Jian Yang and Ming-Ming Cheng and Xiang Li},
journal= {arXiv preprint arXiv:2501.04440},
year = {2025}
}