論文の概要: MidNet: An Anchor-and-Angle-Free Detector for Oriented Ship Detection in Aerial Images

• arxiv url: http://arxiv.org/abs/2111.10961v1
• Date: Mon, 22 Nov 2021 02:52:30 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-23 14:12:19.353321
• Title: MidNet: An Anchor-and-Angle-Free Detector for Oriented Ship Detection in Aerial Images
• Title（参考訳）: midnet:空中画像における船舶方向検出のためのアンカー・アンド・アングルフリー検出器
• Authors: Feng Jie, Yuping Liang, Junpeng Zhang, Xiangrong Zhang, Quanhe Yao, Licheng Jiao
• Abstract要約: そこで本研究では,各対象,すなわちMidNetを符号化するセンターと4つの中間点を配置する新しい検出器を提案する。 2つの公開船検出データセットでは、MidNetは90.52%と86.50%のAPを達成し、最先端の検出器を上回っている。
• 参考スコア（独自算出の注目度）: 32.92312549385758
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Ship detection in aerial images remains an active yet challenging task due to arbitrary object orientation and complex background from a bird's-eye perspective. Most of the existing methods rely on angular prediction or predefined anchor boxes, making these methods highly sensitive to unstable angular regression and excessive hyper-parameter setting. To address these issues, we replace the angular-based object encoding with an anchor-and-angle-free paradigm, and propose a novel detector deploying a center and four midpoints for encoding each oriented object, namely MidNet. MidNet designs a symmetrical deformable convolution customized for enhancing the midpoints of ships, then the center and midpoints for an identical ship are adaptively matched by predicting corresponding centripetal shift and matching radius. Finally, a concise analytical geometry algorithm is proposed to refine the centers and midpoints step-wisely for building precise oriented bounding boxes. On two public ship detection datasets, HRSC2016 and FGSD2021, MidNet outperforms the state-of-the-art detectors by achieving APs of 90.52% and 86.50%. Additionally, MidNet obtains competitive results in the ship detection of DOTA.
• Abstract（参考訳）: 空中画像における船舶検出は、任意の物体の向きと鳥の目から見た複雑な背景のため、活発だが困難な課題である。 既存の手法の多くは角予測や事前定義されたアンカーボックスに依存しており、不安定な角回帰や過度なハイパーパラメータ設定に非常に敏感である。 これらの問題に対処するため,アンカー・アンド・アングルフリーのパラダイムに置き換えるとともに,各対象,すなわちMidNetを符号化するセンターと4つの中間点を配置する新しい検出器を提案する。 MidNetは、船の中間点を強化するためにカスタマイズされた対称変形可能な畳み込みを設計し、同じ船の中央と中点を対応する遠心シフトと整合半径を予測することで適応的にマッチングする。 最後に, 厳密な解析的幾何アルゴリズムを提案し, 中心と中間点を段階的に改良し, 正確に向き付けられた有界箱を構築する。 HRSC2016とFGSD2021の2つの公開船検出データセットでは、MidNetは90.52%と86.50%のAPを達成し、最先端の検出器を上回っている。 さらに、MidNetはDOTAの船体検出の競争結果を得る。

関連論文リスト

• 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)
• ARS-DETR: Aspect Ratio-Sensitive Detection Transformer for Aerial Oriented Object Detection [55.291579862817656]
  既存のオブジェクト指向オブジェクト検出手法では、モデルの性能を測定するために計量AP$_50$が一般的である。 我々は、AP$_50$は本来、角度偏差に大きな耐性があるため、オブジェクト指向物体検出には適さないと主張している。 本稿では,ARS-DETR(Aspect Ratio Sensitive Oriented Object Detector with Transformer)を提案する。
  論文  参考訳（メタデータ） (2023-03-09T02:20:56Z)
• CenterNet++ for Object Detection [174.59360147041673]
  ボトムアップアプローチはトップダウンと同じくらい競争力があり、リコールも高くなります。 CenterNetと呼ばれる我々のアプローチは、各オブジェクトを三重項キーポイント(左上と右下)として検出する。 MS-COCOデータセットでは、Res2Net-101 と Swin-Transformer の CenterNet がそれぞれ 53.7% と 57.1% のAPを達成している。
  論文  参考訳（メタデータ） (2022-04-18T16:45:53Z)
• Arbitrary-Oriented Ship Detection through Center-Head Point Extraction [11.45718985586972]
  リモートセンシング画像における任意方向の船舶検出を実現するために,センターヘッドポイント抽出ベース検出器(CHPDet)を提案する。 私たちのCHPDetは、方向を決定するために使用されるヘッドポイントを持つ回転箱として任意の向きの船を定式化します。 我々のCHPDetは最先端の性能を達成し、弓と船尾をよく区別できる。
  論文  参考訳（メタデータ） (2021-01-27T03:58:52Z)
• Dense Label Encoding for Boundary Discontinuity Free Rotation Detection [69.75559390700887]
  本稿では,分類に基づく比較的研究の少ない方法論について検討する。 我々は2つの側面でフロンティアを推し進めるための新しい手法を提案する。 航空画像のための大規模公開データセットの実験と視覚解析は,我々のアプローチの有効性を示している。
  論文  参考訳（メタデータ） (2020-11-19T05:42:02Z)
• Align Deep Features for Oriented Object Detection [40.28244152216309]
  本稿では、FAM(Feature Alignment Module)とODM(Oriented Detection Module)の2つのモジュールからなる単発アライメントネットワーク(S$2$A-Net)を提案する。 FAMは、アンカー・リファインメント・ネットワークで高品質なアンカーを生成し、アンカーボックスに応じた畳み込み特徴と、新しいアライメント・コンボリューション・コンボリューションとを適応的に調整することができる。 ODMは、まず、向き情報を符号化するためにアクティブな回転フィルタを採用し、次に、分類スコアとローカライゼーション精度の不整合を軽減するために、向きに敏感で方向不変な特徴を生成する。
  論文  参考訳（メタデータ） (2020-08-21T09:55:13Z)
• A Novel CNN-based Method for Accurate Ship Detection in HR Optical Remote Sensing Images via Rotated Bounding Box [10.689750889854269]
  船舶検出における現在のCNN法に共通する欠点を克服し, 新たなCNNに基づく船舶検出手法を提案する。 配向と他の変数を独立に予測できるが、より効果的に、新しい二分岐回帰ネットワークで予測できる。 船体検出において提案手法が優れていることを示す実験結果が得られた。
  論文  参考訳（メタデータ） (2020-04-15T14:48:46Z)
• 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)
• Robust 6D Object Pose Estimation by Learning RGB-D Features [59.580366107770764]
  本稿では、この局所最適問題を解くために、回転回帰のための離散連続的な新しい定式化を提案する。 我々はSO(3)の回転アンカーを均一にサンプリングし、各アンカーから目標への制約付き偏差を予測し、最適な予測を選択するための不確実性スコアを出力する。 LINEMOD と YCB-Video の2つのベンチマーク実験により,提案手法が最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2020-02-29T06:24:55Z)

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。