論文の概要: Oriented Object Detection in Aerial Images Based on Area Ratio of Parallelogram

• arxiv url: http://arxiv.org/abs/2109.10187v1
• Date: Tue, 21 Sep 2021 14:13:36 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-22 14:36:46.029167
• Title: Oriented Object Detection in Aerial Images Based on Area Ratio of Parallelogram
• Title（参考訳）: パラレルグラムの面積比に基づく空中画像の指向性物体検出
• Authors: Xinyu Yu, Mi Lin, Jiangping Lu, Linlin Ou
• Abstract要約: 回転物体検出は空中画像において難しい課題である。 既存の回帰に基づく回転検出器は不連続境界の問題に悩まされる。 上記の課題に対処するためのシンプルな効果的な枠組みを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Rotated object detection is a challenging task in aerial images as the object in aerial images are displayed in arbitrary directions and usually densely packed. Although considerable progress has been made, there are still challenges that existing regression-based rotation detectors suffer the problem of discontinuous boundaries, which is directly caused by angular periodicity or corner ordering. In this paper, we propose a simple effective framework to address the above challenges. Instead of directly regressing the five parameters (coordinates of the central point, width, height, and rotation angle) or the four vertices, we use the area ratio of parallelogram (ARP) to accurately describe a multi-oriented object. Specifically, we regress coordinates of center point, height and width of minimum circumscribed rectangle of oriented object and three area ratios {\lambda}_1, {\lambda}_2 and {\lambda}_3. This may facilitate the offset learning and avoid the issue of angular periodicity or label points sequence for oriented objects. To further remedy the confusion issue nearly horizontal objects, we employ the area ratio between the object and its horizontal bounding box (minimum circumscribed rectangle) to guide the selection of horizontal or oriented detection for each object. We also propose a rotation efficient IoU loss (R-EIoU) to connect the horizontal bounding box with the three area ratios and improve the accurate for the rotating bounding box. Experimental results on three remote sensing datasets including HRSC2016, DOTA and UCAS-AOD and scene text including ICDAR2015 show that our method achieves superior detection performance compared with many state-of-the-art approaches. The code and model will be coming with paper published.
• Abstract（参考訳）: 回転物体検出は、空中画像中の物体が任意の方向に表示され、通常密集しているため、空中画像において難しい課題である。 かなりの進展が見られたが、既存の回帰に基づく回転検出器は、角周期性や角順序によって直接引き起こされる不連続境界の問題に苦慮している。 本稿では,上記の課題に対処するための簡単なフレームワークを提案する。 5つのパラメータ(中心点、幅、高さ、回転角の座標)や4つの頂点を直接回帰する代わりに、パラレルグラム(ARP)の面積比を用いて、多方向物体を正確に記述する。 具体的には、向き付け対象の最小周長方形の中心点、高さ、幅の座標と、3つの面積比 {\lambda}_1, {\lambda}_2, {\lambda}_3 を回帰する。 これによりオフセット学習が容易になり、オブジェクト指向オブジェクトの角度周期性やラベル点列の問題を回避することができる。 ほぼ水平物体の混同問題をさらに緩和するために,物体とその水平境界箱(最小周長方形)の面積比を用いて,各物体に対する水平方向または指向方向検出の選択を導出する。 また、水平境界箱を3つの面積比で接続し、回転境界箱の精度を向上させる回転効率の高いIoU損失(R-EIoU)を提案する。 HRSC2016,DOTA,UCAS-AODを含む3つのリモートセンシングデータセットとICDAR2015を含むシーンテキストによる実験結果から,本手法が多くの最先端手法と比較して優れた検出性能を発揮することが示された。 コードとモデルには,論文が公開される予定だ。

関連論文リスト

• OrientedFormer: An End-to-End Transformer-Based Oriented Object Detector in Remote Sensing Images [26.37802649901314]
  リモートセンシング画像におけるオブジェクト指向物体検出は、複数方向のオブジェクトが分散しているため、難しい課題である。 これらの問題に対処する3つの専用モジュールからなるエンドツーエンドのトランスフォーマベース指向オブジェクト検出器を提案する。 従来のエンドツーエンド検出器と比較して、OrientedFormerはDIOR-RとDOTA-v1.0でそれぞれ1.16および1.21 AP$_50$を獲得し、トレーニングエポックを3$times$から1$times$に下げる。
  論文  参考訳（メタデータ） (2024-09-29T10:36:33Z)
• PointOBB: Learning Oriented Object Detection via Single Point Supervision [55.88982271340328]
  本稿では,オブジェクト指向物体検出のための最初の単一点ベース OBB 生成法である PointOBB を提案する。 PointOBBは、オリジナルビュー、リサイズビュー、ローテーション/フリップ(rot/flp)ビューの3つのユニークなビューの協調利用を通じて動作する。 DIOR-RとDOTA-v1.0データセットの実験結果は、PointOBBが有望な性能を達成することを示す。
  論文  参考訳（メタデータ） (2023-11-23T15:51:50Z)
• Anchor Free remote sensing detector based on solving discrete polar coordinate equation [4.708085033897991]
  回転・多スケール物体を検出するためのAnchor Free Aviatic Remote Sensor Object Detector (BWP-Det) を提案する。 具体的には、インタラクティブなダブルブランチ(IDB)アップサンプリングネットワークを設計し、ヒートマップの予測に1つのブランチを徐々にアップサンプリングする。 我々は、前景と背景の違いを強調するために、重み付きマルチスケール畳み込み(WmConv)を改善した。
  論文  参考訳（メタデータ） (2023-03-21T09:28:47Z)
• Ground Plane Matters: Picking Up Ground Plane Prior in Monocular 3D Object Detection [92.75961303269548]
  先行する地平面は、モノクル3次元物体検出(M3OD)における非常に情報的な幾何学的手がかりである 本稿では,両問題を一度に解決するGPENetを提案する。 我々のGPENetは、他の手法よりも優れ、最先端のパフォーマンスを実現し、提案手法の有効性と優位性を示すことができる。
  論文  参考訳（メタデータ） (2022-11-03T02:21:35Z)
• OPA-3D: Occlusion-Aware Pixel-Wise Aggregation for Monocular 3D Object Detection [51.153003057515754]
  OPA-3Dは、Occlusion-Aware Pixel-Wise Aggregationネットワークである。 密集した風景深度と、奥行きのある箱残量と物の境界箱を共同で推定する。 メインカーのカテゴリーでは最先端の手法よりも優れています。
  論文  参考訳（メタデータ） (2022-11-02T14:19:13Z)
• DARDet: A Dense Anchor-free Rotated Object Detector in Aerial Images [11.45718985586972]
  空中画像における回転物体検出のための高密度アンカーフリー回転物体検出器(DARDet)を提案する。 我々のDARDetは、特徴マップの各前景ピクセルで回転したボックスの5つのパラメータを直接予測する。 提案手法は, 一般的に使用されている3つの空中オブジェクトデータセットに対して, 最先端の性能を実現する。
  論文  参考訳（メタデータ） (2021-10-03T15:28:14Z)
• Progressive Coordinate Transforms for Monocular 3D Object Detection [52.00071336733109]
  本稿では,学習座標表現を容易にするために,PCT(Em Progressive Coordinate Transforms)と呼ばれる,新しい軽量なアプローチを提案する。 本稿では,学習座標表現を容易にするために,PCT(Em Progressive Coordinate Transforms)と呼ばれる,新しい軽量なアプローチを提案する。
  論文  参考訳（メタデータ） (2021-08-12T15:22:33Z)
• Oriented Object Detection in Aerial Images with Box Boundary-Aware Vectors [21.484827209503823]
  空中画像中の物体を任意の方向に表示するため、空中画像中の物体の配向検出は難しい作業である。 現在のオブジェクト指向物体検出法は、主に2段階のアンカーベース検出器に依存している。 水平キーポイントに基づくオブジェクトをオブジェクト指向オブジェクト検出タスクに拡張する。
  論文  参考訳（メタデータ） (2020-08-17T00:56:50Z)
• SCRDet++: Detecting Small, Cluttered and Rotated Objects via Instance-Level Feature Denoising and Rotation Loss Smoothing [131.04304632759033]
  小さくて散らばった物体は実世界では一般的であり、検出は困難である。 本稿では,まず,物体検出にデノナイズするアイデアを革新的に紹介する。 機能マップ上のインスタンスレベルの記述は、小さくて散らばったオブジェクトの検出を強化するために行われる。
  論文  参考訳（メタデータ） (2020-04-28T06:03:54Z)
• On the Arbitrary-Oriented Object Detection: Classification based Approaches Revisited [94.5455251250471]
  まず,既存の回帰型回転検出器が抱える境界問題は,角周期性や角秩序によって引き起こされることを示した。 我々は、角予測タスクを回帰問題から分類問題に変換する。 得られた円形分布角分類問題に対して、まず、角度の周期性に対処し、隣り合う角度に対する誤差耐性を高めるために、円スムースラベル法を考案する。
  論文  参考訳（メタデータ） (2020-03-12T03:23:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。