論文の概要: MKIoU Loss: Towards Accurate Oriented Object Detection in Aerial Images

• arxiv url: http://arxiv.org/abs/2206.15109v1
• Date: Thu, 30 Jun 2022 08:17:01 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-01 14:45:47.988273
• Title: MKIoU Loss: Towards Accurate Oriented Object Detection in Aerial Images
• Title（参考訳）: MKIOU損失:航空画像における正確なオブジェクト指向物体検出を目指して
• Authors: Xinyi Yu, Jiangping Lu, Xinyi Yu, Mi Lin, Linlin Ou
• Abstract要約: 修正されたカルマンIoUのSkewIoUの損失は、MkioUと呼ばれる。 提案手法は他のガウス法にも容易に拡張できる。
• 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: Oriented bounding box regression is crucial for oriented object detection. However, regression-based methods often suffer from boundary problems and the inconsistency between loss and evaluation metrics. In this paper, a modulated Kalman IoU loss of approximate SkewIoU is proposed, named MKIoU. To avoid boundary problems, we convert the oriented bounding box to Gaussian distribution, then use the Kalman filter to approximate the intersection area. However, there exists significant difference between the calculated and actual intersection areas. Thus, we propose a modulation factor to adjust the sensitivity of angle deviation and width-height offset to loss variation, making the loss more consistent with the evaluation metric. Furthermore, the Gaussian modeling method avoids the boundary problem but causes the angle confusion of square objects simultaneously. Thus, the Gaussian Angle Loss (GA Loss) is presented to solve this problem by adding a corrected loss for square targets. The proposed GA Loss can be easily extended to other Gaussian-based methods. Experiments on three publicly available aerial image datasets, DOTA, UCAS-AOD, and HRSC2016, show the effectiveness of the proposed method.
• Abstract（参考訳）: 指向境界ボックス回帰は、指向オブジェクト検出に不可欠である。 しかし、回帰に基づく手法はしばしば境界問題や損失と評価指標の矛盾に悩まされる。 本稿では,Kalman IoUによるSkewIoU近似の損失を変調したMkioUを提案する。 境界問題を避けるために、向き付けられた境界ボックスをガウス分布に変換し、カルマンフィルタを用いて交叉面積を近似する。 しかし、計算された交叉面積と実際の交叉面積には有意差がある。 そこで本研究では,損失変動に対する角度偏差の感度と幅オフセットの感度を調節する変調係数を提案し,損失を評価基準に合致させる。 さらに、ガウスモデリング法は境界問題を回避するが、同時に正方形物体の角度の混乱を引き起こす。 したがって、ガウスアン角損失(GA損失)は、正方形の目標に対して補正された損失を加えることでこの問題を解決する。 提案するga損失は、他のガウス法にも容易に拡張できる。 公開されている3つの航空画像データセット、DOTA、UCAS-AOD、HRSC2016の実験は、提案手法の有効性を示している。

関連論文リスト

• Edge Wasserstein Distance Loss for Oriented Object Detection [30.63435516524413]
  本稿では,新たな指向性回帰損失,ワッサーシュタイン距離損失(EWD)を提案する。 具体的には、配向ボックス(OBox)表現に対して、確率密度関数がエッジ上のゼロではないような特別に設計された分布を選択する。
  論文  参考訳（メタデータ） (2023-12-12T08:00:40Z)
• Randomized Physics-Informed Machine Learning for Uncertainty Quantification in High-Dimensional Inverse Problems [49.1574468325115]
  本研究では,高次元逆問題における不確実性定量化のための物理インフォームド機械学習手法を提案する。 我々は解析的に、そして、ハミルトン・モンテカルロとの比較を通して、rPICKLE はベイズ則によって与えられる真の後続に収束することを示す。
  論文  参考訳（メタデータ） (2023-12-11T07:33:16Z)
• Detecting Rotated Objects as Gaussian Distributions and Its 3-D Generalization [81.29406957201458]
  既存の検出方法は、パラメータ化バウンディングボックス(BBox)を使用して(水平)オブジェクトをモデル化し、検出する。 このような機構は回転検出に有効な回帰損失を構築するのに基本的な限界があると主張する。 回転した物体をガウス分布としてモデル化することを提案する。 2次元から3次元へのアプローチを、方向推定を扱うアルゴリズム設計により拡張する。
  論文  参考訳（メタデータ） (2022-09-22T07:50:48Z)
• G-Rep: Gaussian Representation for Arbitrary-Oriented Object Detection [13.112764410519981]
  我々は,OBB,QBB,PointSetのガウス分布を構成するために,G-Repと呼ばれる統一ガウス表現を提案する。 G-Repは、様々な表現や問題に対する統一的な解を達成する。
  論文  参考訳（メタデータ） (2022-05-24T05:28:08Z)
• The KFIoU Loss for Rotated Object Detection [115.334070064346]
  本稿では,SkewIoU損失とトレンドレベルアライメントを両立できる近似的損失を考案する上で,有効な方法の1つとして論じる。 具体的には、対象をガウス分布としてモデル化し、SkewIoUのメカニズムを本質的に模倣するためにカルマンフィルタを採用する。 KFIoUと呼ばれる新たな損失は実装が容易で、正確なSkewIoUよりもうまく動作する。
  論文  参考訳（メタデータ） (2022-01-29T10:54:57Z)
• Differentiable Annealed Importance Sampling and the Perils of Gradient Noise [68.44523807580438]
  Annealed importance sample (AIS) と関連するアルゴリズムは、限界推定のための非常に効果的なツールである。 差別性は、目的として限界確率を最適化する可能性を認めるため、望ましい性質である。 我々はメトロポリス・ハスティングスのステップを放棄して微分可能アルゴリズムを提案し、ミニバッチ計算をさらに解き放つ。
  論文  参考訳（メタデータ） (2021-07-21T17:10:14Z)
• Rethinking Rotated Object Detection with Gaussian Wasserstein Distance Loss [111.8807588392563]
  境界不連続性と最終検出基準の不整合性は, 回転検出回帰損失設計のボトルネックとなっている。 本稿では,ガウス・ワッサーシュタイン距離に基づく新しい回帰損失を,この問題に対する基本的なアプローチとして提案する。
  論文  参考訳（メタデータ） (2021-01-28T12:04:35Z)
• 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。