論文の概要: Anchor Free remote sensing detector based on solving discrete polar coordinate equation

• arxiv url: http://arxiv.org/abs/2303.11694v2
• Date: Sat, 25 Mar 2023 06:43:43 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-28 23:30:17.104980
• Title: Anchor Free remote sensing detector based on solving discrete polar coordinate equation
• Title（参考訳）: 離散極座標方程式解に基づくアンカーフリーリモートセンシング検出器
• Authors: Linfeng Shi, Yan Li, Xi Zhu
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 4.708085033897991
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As the rapid development of depth learning, object detection in aviatic remote sensing images has become increasingly popular in recent years. Most of the current Anchor Free detectors based on key point detection sampling directly regression and classification features, with the design of object loss function based on the horizontal bounding box. It is more challenging for complex and diverse aviatic remote sensing object. In this paper, we propose an Anchor Free aviatic remote sensing object detector (BWP-Det) to detect rotating and multi-scale object. Specifically, we design a interactive double-branch(IDB) up-sampling network, in which one branch gradually up-sampling is used for the prediction of Heatmap, and the other branch is used for the regression of boundary box parameters. We improve a weighted multi-scale convolution (WmConv) in order to highlight the difference between foreground and background. We extracted Pixel level attention features from the middle layer to guide the two branches to pay attention to effective object information in the sampling process. Finally, referring to the calculation idea of horizontal IoU, we design a rotating IoU based on the split polar coordinate plane, namely JIoU, which is expressed as the intersection ratio following discretization of the inner ellipse of the rotating bounding box, to solve the correlation between angle and side length in the regression process of the rotating bounding box. Ultimately, BWP-Det, our experiments on DOTA, UCAS-AOD and NWPU VHR-10 datasets show, achieves advanced performance with simpler models and fewer regression parameters.
• Abstract（参考訳）: 近年、深度学習の急速な発展に伴い、アビアティックなリモートセンシング画像における物体検出が普及している。 現在のアンカーフリー検出器のほとんどは、水平境界ボックスに基づく物体損失関数を設計し、キーポイント検出サンプリングによる直接回帰と分類特性に基づいている。 複雑で多様なリモートセンシングオブジェクトにとって、より困難である。 本稿では,回転および多スケール物体を検出するためのアンカーフリーアビアティックリモートセンシング物体検出器(bwp-det)を提案する。 具体的には,一方の枝を徐々にアップサンプリングしてヒートマップの予測を行い,もう一方の枝を境界ボックスパラメータの回帰に使用する対話型ダブルブランチ(idb)アップサンプリングネットワークを設計する。 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。 中層からPixelレベルの注目特徴を抽出し、2つのブランチを誘導し、サンプリングプロセスにおいて有効なオブジェクト情報に注意を払う。 最後に、水平IoUの計算アイデアを参考に、分割極座標平面に基づいて回転IoUを設計し、回転有界箱の内楕円の離散化にともなう交叉比として表現し、回転有界箱の回帰過程における角度と側長の相関を解く。 最終的に、DOTA、UCAS-AOD、NWPU VHR-10データセットに関する実験であるBWP-Detは、より単純なモデルとより少ない回帰パラメータで高度な性能を実現する。

関連論文リスト

• Poly Kernel Inception Network for Remote Sensing Detection [64.60749113583601]
  リモートセンシング画像における物体検出の課題に対処するために,Poly Kernel Inception Network (PKINet)を導入する。 PKINetはディレーションなしでマルチスケールの畳み込みカーネルを使用し、様々なスケールのオブジェクトの特徴を抽出し、ローカルコンテキストをキャプチャする。 これら2つのコンポーネントは、4つの挑戦的なリモートセンシング検出ベンチマーク上でPKINetのパフォーマンスを向上させるために共同で動作する。
  論文  参考訳（メタデータ） (2024-03-10T16:56:44Z)
• Point2RBox: Combine Knowledge from Synthetic Visual Patterns for End-to-end Oriented Object Detection with Single Point Supervision [81.60564776995682]
  我々は、ポイント教師付きオブジェクト検出のためのエンドツーエンドソリューションであるPoint2RBoxを提案する。 提案手法は軽量なパラダイムを用いているが,点教師付き代替品間での競合性能を実現する。 特に,本手法は軽量なパラダイムを用いるが,点教師付き代替品間での競合性能を実現する。
  論文  参考訳（メタデータ） (2023-11-23T15:57:41Z)
• 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)
• Infrared Small-Dim Target Detection with Transformer under Complex Backgrounds [155.388487263872]
  変換器を用いた赤外線小径目標検出手法を提案する。 画像特徴の相互作用情報をより広い範囲で学習するために,変換器の自己認識機構を採用する。 最小限のターゲットの機能を学習するための機能拡張モジュールも設計しています。
  論文  参考訳（メタデータ） (2021-09-29T12:23:41Z)
• Oriented Object Detection in Aerial Images Based on Area Ratio of Parallelogram [0.0]
  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。
  論文  参考訳（メタデータ） (2021-09-21T14:13:36Z)
• CFC-Net: A Critical Feature Capturing Network for Arbitrary-Oriented Object Detection in Remote Sensing Images [0.9462808515258465]
  本稿では,物体検出における識別的特徴の役割について論じる。 次に,検出精度を向上させるために,cfc-net (critical feature capture network) を提案する。 本手法は多くの最先端手法と比較して優れた検出性能が得られることを示す。
  論文  参考訳（メタデータ） (2021-01-18T02:31:09Z)
• 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)
• Objects detection for remote sensing images based on polar coordinates [26.640452563317346]
  極座標系をディープラーニング検出器に初めて導入し, アンカーフリーの極リモートセンシングオブジェクト検出器(P-RSDet)を提案する。 P-RSDet法では、中心点を予測し、1つの極半径と2つの極角を回帰することにより、任意の方向の物体検出が可能である。 DOTA,UCAS-AOD,NWPU VHR-10データセットを用いた実験により,我々のP-RSDetはより単純なモデルとより少ない回帰パラメータで最先端のパフォーマンスを達成することが示された。
  論文  参考訳（メタデータ） (2020-01-09T14:02:51Z)

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。