論文の概要: Point RCNN: An Angle-Free Framework for Rotated Object Detection

• arxiv url: http://arxiv.org/abs/2205.14328v1
• Date: Sat, 28 May 2022 04:07:37 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-31 16:12:59.887197
• Title: Point RCNN: An Angle-Free Framework for Rotated Object Detection
• Title（参考訳）: Point RCNN: 回転物体検出のためのアングルフリーフレームワーク
• Authors: Qiang Zhou, Chaohui Yu, Zhibin Wang, Hao Li
• Abstract要約: 空中画像における回転物体検出は、任意方向、大規模かつアスペクト比のばらつき、オブジェクトの極端な密度のため、依然として困難である。 本稿では、主に PointRPN と PointReg から構成される Point RCNN と呼ばれる、回転物体検出のための純粋に角度のないフレームワークを提案する。 我々のPoint RCNNは、一般的に使用される航空データセット上で、最先端の検知性能を実現することを実証した。
• 参考スコア（独自算出の注目度）: 13.209895262511015
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Rotated object detection in aerial images is still challenging due to arbitrary orientations, large scale and aspect ratio variations, and extreme density of objects. Existing state-of-the-art rotated object detection methods mainly rely on angle-based detectors. However, angle regression can easily suffer from the long-standing boundary problem. To tackle this problem, we propose a purely angle-free framework for rotated object detection, called Point RCNN, which mainly consists of PointRPN and PointReg. In particular, PointRPN generates accurate rotated RoIs (RRoIs) by converting the learned representative points with a coarse-to-fine manner, which is motivated by RepPoints. Based on the learned RRoIs, PointReg performs corner points refinement for more accurate detection. In addition, aerial images are often severely unbalanced in categories, and existing methods almost ignore this issue. In this paper, we also experimentally verify that re-sampling the images of the rare categories will stabilize training and further improve the detection performance. Experiments demonstrate that our Point RCNN achieves the new state-of-the-art detection performance on commonly used aerial datasets, including DOTA-v1.0, DOTA-v1.5, and HRSC2016.
• Abstract（参考訳）: 空中画像における回転物体検出は、任意方向、大規模かつアスペクト比のばらつき、オブジェクトの極端な密度のために依然として困難である。 既存の回転物体検出法は、主に角度に基づく検出器に依存している。 しかし、角度回帰は長期の境界問題に容易に悩まされる。 この問題に対処するために,主に PointRPN と PointReg から構成される Point RCNN と呼ばれる,純粋に角度のないオブジェクト検出フレームワークを提案する。 特に、ポイントRPNは、学習された代表点を粗い方法で変換し、RepPointsによって動機付けられた正確な回転RoIs(RRoIs)を生成する。 学習したRRoIに基づいて、PointRegはより正確な検出のためにコーナーポイントリファインメントを実行する。 加えて、航空画像はカテゴリーで非常に不均衡であり、既存の手法はこの問題をほとんど無視している。 本稿では,レアカテゴリの画像の再サンプリングがトレーニングを安定させ,さらに検出性能を向上させることを実験的に検証する。 実験により,我々のポイントrcnnは,dota-v1.0,dota-v1.5,hrsc2016などの一般的な空中データセットにおいて,新たな最先端検出性能を実現することを実証した。

関連論文リスト

• RotaTR: Detection Transformer for Dense and Rotated Object [0.49764328892172144]
  指向性検出へのDETRの拡張として,回転物体検出TRansformer(RotaTR)を提案する。 具体的には、DTRの指向目標検出能力を高めるために、回転感度変形(RSDeform)アテンションを設計する。 RotaTRは、元のDETRと比較して密度と向きの強い物体を検出するのに大きな利点を示している。
  論文  参考訳（メタデータ） (2023-12-05T15:06:04Z)
• Adaptive Rotated Convolution for Rotated Object Detection [96.94590550217718]
  本稿では、回転物体検出問題に対処するために、適応回転変換(ARC)モジュールを提案する。 ARCモジュールでは、コンボリューションカーネルが適応的に回転し、異なる画像に異なる向きのオブジェクト特徴を抽出する。 提案手法は,81.77%mAPのDOTAデータセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-03-14T11:53:12Z)
• 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)
• ARPD: Anchor-free Rotation-aware People Detection using Topview Fisheye Camera [3.0868856870169625]
  本研究では,魚眼画像中の任意回転者を検知する単一段アンカーフリー完全畳み込みネットワークARPDを提案する。 提案手法は最先端のアルゴリズムと非常に高速に動作しながら競合する。
  論文  参考訳（メタデータ） (2022-01-25T05:49:50Z)
• 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)
• RSDet++: Point-based Modulated Loss for More Accurate Rotated Object Detection [53.57176614020894]
  我々は、回転感度誤差(RSE)として、5パラメータと8パラメータの回転物体検出法の両方における損失の不連続性を分類する。 問題を軽減するために新しい変調された回転損失を導入し、回転感度検出ネットワーク(RSDet)を提案する。 10ピクセル未満のオブジェクトに対する本手法の精度をさらに向上するため,新しいRSDet++を提案する。
  論文  参考訳（メタデータ） (2021-09-24T11:57:53Z)
• ReDet: A Rotation-equivariant Detector for Aerial Object Detection [27.419045245853706]
  これらの問題に対処するために、回転等変性検出器(ReDet)を提案する。 回転同変ネットワークを検出器に組み込んで回転同変特徴を抽出する。 本手法は,空中物体検出作業における最先端性能を実現する。
  論文  参考訳（メタデータ） (2021-03-13T15:37:36Z)
• MRDet: A Multi-Head Network for Accurate Oriented Object Detection in Aerial Images [51.227489316673484]
  水平アンカーから変換された指向性提案を生成するために、任意指向領域提案ネットワーク(AO-RPN)を提案する。 正確なバウンディングボックスを得るために,検出タスクを複数のサブタスクに分離し,マルチヘッドネットワークを提案する。 各ヘッドは、対応するタスクに最適な特徴を学習するために特別に設計されており、ネットワークがオブジェクトを正確に検出することができる。
  論文  参考訳（メタデータ） (2020-12-24T06:36:48Z)
• 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)
• 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。