TS4Net：用于旋转目标检测的两阶段样本选择策略
计算机视觉与模式识别
2021-08-09 v1
摘要
旋转目标检测在航拍照片、遥感图像、无人机（UAV）等方面有广泛应用。目前，大多数旋转目标检测数据集聚焦于遥感领域，且这些图像通常拍摄于高空场景。然而，低空区域捕获的图像数据集也应受到关注，例如基于无人机的数据集。因此我们提出了一个名为UAV-ROD的低空无人机数据集，旨在推动旋转目标检测与无人机应用的研究与发展。UAV-ROD包含1577张图像及30,090个由有向边界框标注的车辆类别实例。特别地，UAV-ROD可用于旋转目标检测、车辆朝向识别与目标计数任务。与水平目标检测相比，旋转检测的回归阶段是一个棘手问题。本文中，我们提出一种旋转目标检测器TS4Net，其包含锚点精炼模块（ARM）与两阶段样本选择策略（TS4）。ARM可通过两阶段锚点精炼将预设的水平锚点转换为高质量旋转锚点。TS4模块利用不同的约束样本选择策略来分配正负样本，适应于不同阶段的回归任务。得益于ARM与TS4，TS4Net仅用单个预设水平锚点即可在旋转目标检测上取得优越性能。在UAV-ROD数据集及DOTA、HRSC2016和UCAS-AOD三个遥感数据集上的大量实验结果表明，我们的方法相对于多数SOTA方法取得了具竞争力的性能。
引用
@article{arxiv.2108.03116,
title = {TS4Net: Two-Stage Sample Selective Strategy for Rotating Object Detection},
author = {Kai Feng and Weixing Li and Jun Han and Feng Pan and Dongdong Zheng},
journal= {arXiv preprint arXiv:2108.03116},
year = {2021}
}
备注
12 pages, 11 figures