論文の概要: ABFL: Angular Boundary Discontinuity Free Loss for Arbitrary Oriented Object Detection in Aerial Images

• arxiv url: http://arxiv.org/abs/2311.12311v1
• Date: Tue, 21 Nov 2023 03:03:22 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-23 02:21:40.944046
• Title: ABFL: Angular Boundary Discontinuity Free Loss for Arbitrary Oriented Object Detection in Aerial Images
• Title（参考訳）: abfl: 空中画像における任意指向物体検出のための角境界不連続自由損失
• Authors: Zifei Zhao, Shengyang Li
• Abstract要約: 斜め境界自由損失(ABFL)は、向きのある物体を検出する際に、角度境界の不連続性問題を解決することを目的としている。 ABFLは、AOODタスクの回転対称性によって引き起こされる様々な周期的境界不連続性に対する単純かつ効果的な解を提供する。
• 参考スコア（独自算出の注目度）: 0.14504054468850663
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Arbitrary oriented object detection (AOOD) in aerial images is a widely concerned and highly challenging task, and plays an important role in many scenarios. The core of AOOD involves the representation, encoding, and feature augmentation of oriented bounding-boxes (Bboxes). Existing methods lack intuitive modeling of angle difference measurement in oriented Bbox representations. Oriented Bboxes under different representations exhibit rotational symmetry with varying periods due to angle periodicity. The angular boundary discontinuity (ABD) problem at periodic boundary positions is caused by rotational symmetry in measuring angular differences. In addition, existing methods also use additional encoding-decoding structures for oriented Bboxes. In this paper, we design an angular boundary free loss (ABFL) based on the von Mises distribution. The ABFL aims to solve the ABD problem when detecting oriented objects. Specifically, ABFL proposes to treat angles as circular data rather than linear data when measuring angle differences, aiming to introduce angle periodicity to alleviate the ABD problem and improve the accuracy of angle difference measurement. In addition, ABFL provides a simple and effective solution for various periodic boundary discontinuities caused by rotational symmetry in AOOD tasks, as it does not require additional encoding-decoding structures for oriented Bboxes. Extensive experiments on the DOTA and HRSC2016 datasets show that the proposed ABFL loss outperforms some state-of-the-art methods focused on addressing the ABD problem.
• Abstract（参考訳）: 空中画像における任意指向物体検出(AOOD)は、広く懸念され非常に困難な課題であり、多くのシナリオにおいて重要な役割を果たす。 AOODのコアは、オブジェクト指向のバウンディングボックス(Bbox)の表現、エンコーディング、機能拡張である。 既存の手法では、向き付けbbox表現における角度差測定の直感的モデリングが欠如している。 異なる表現の下で配向されたボックスは、角度周期性によって異なる周期で回転対称性を示す。 周期的境界位置における角境界不連続性(ABD)問題は、角差の測定における回転対称性によって引き起こされる。 さらに、既存の手法では、指向bbox用のエンコーディング・デコード構造も追加されている。 本論文では,フォン・ミセス分布に基づく角界自由損失(ABFL)を設計する。 abflは指向オブジェクトを検出する際のabd問題を解決することを目的としている。 具体的には、角度差の測定において、角度を直線データではなく円データとして扱うこと、角度周期性を導入してabd問題を軽減し、角度差測定の精度を向上させることを提案する。 さらに、ABFL は AOOD タスクの回転対称性に起因する様々な周期的境界不連続性に対して単純かつ効果的な解を提供する。 DOTAとHRSC2016データセットの大規模な実験によると、提案されたABFL損失は、ABD問題に対処することに焦点を当てた最先端の手法よりも優れている。

関連論文リスト

• RecDiffusion: Rectangling for Image Stitching with Diffusion Models [53.824503710254206]
  画像縫合整形のための新しい拡散学習フレームワーク textbfRecDiffusion を提案する。 このフレームワークは運動拡散モデル(MDM)を組み合わせて運動場を生成し、縫合された画像の不規則な境界から幾何学的に修正された中間体へ効果的に遷移する。
  論文  参考訳（メタデータ） (2024-03-28T06:22:45Z)
• Rethinking Boundary Discontinuity Problem for Oriented Object Detection [42.136448033031634]
  最先端のIoUライクな手法でさえ境界不連続問題を解くことができないことを示す。 既存のIoUライクな手法では、このモデルは基本的に箱と物体の間の角関係を適合させようとするが、そこでは角境界のブレークポイントが予測を非常に不安定にする。 そこで我々は, 可逆性と結合最適化を, 単一の平滑化関数から2つの異なるエンティティに分離し, 角境界補正と他のパラメータとのブレンディングの両目的を初めて達成する。
  論文  参考訳（メタデータ） (2023-05-17T09:04:22Z)
• SOOD: Towards Semi-Supervised Oriented Object Detection [57.05141794402972]
  本稿では, 主流の擬似ラベリングフレームワーク上に構築された, SOOD と呼ばれる, 半教師付きオブジェクト指向物体検出モデルを提案する。 提案した2つの損失をトレーニングした場合,SOODはDOTA-v1.5ベンチマークの様々な設定下で,最先端のSSOD法を超越することを示した。
  論文  参考訳（メタデータ） (2023-04-10T11:10:42Z)
• 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)
• Phase-Shifting Coder: Predicting Accurate Orientation in Oriented Object Detection [10.99534239215483]
  物体の向きを正確に予測するために、位相シフトコーダ(PSC)と呼ばれる新しい微分可能な角度コーダを提案する。 オブジェクト指向物体検出における様々な周期的ファジィ問題に対する統一的なフレームワークを提供する。 3つのデータセットの視覚的分析と実験は、我々のアプローチの有効性と可能性を証明する。
  論文  参考訳（メタデータ） (2022-11-11T17:31:25Z)
• IDEA-Net: Dynamic 3D Point Cloud Interpolation via Deep Embedding Alignment [58.8330387551499]
  我々は、点方向軌跡(すなわち滑らかな曲線)の推定として問題を定式化する。 本稿では,学習した時間的一貫性の助けを借りて問題を解消する,エンドツーエンドのディープラーニングフレームワークであるIDEA-Netを提案する。 各種点群における本手法の有効性を実証し, 定量的かつ視覚的に, 最先端の手法に対する大幅な改善を観察する。
  論文  参考訳（メタデータ） (2022-03-22T10:14:08Z)
• 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)
• Learning Polar Encodings for Arbitrary-Oriented Ship Detection in SAR Images [22.93997487064683]
  oriented bounding box (obb) に基づく手法は研究者から徐々に注目を集めている。 最近提案された深層学習に基づくOBB検出手法のほとんどは、角度やキーポイント回帰における境界不連続問題に遭遇する。 本稿では,極性符号化を学習し,SAR船の検出を提案する。
  論文  参考訳（メタデータ） (2021-03-24T12:52:54Z)
• 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。