論文の概要: PointOBB: Learning Oriented Object Detection via Single Point Supervision

• arxiv url: http://arxiv.org/abs/2311.14757v1
• Date: Thu, 23 Nov 2023 15:51:50 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-30 09:52:09.439005
• Title: PointOBB: Learning Oriented Object Detection via Single Point Supervision
• Title（参考訳）: PointOBB:シングルポイントスーパービジョンによるオブジェクト指向物体検出の学習
• Authors: Junwei Luo, Xue Yang, Yi Yu, Qingyun Li, Junchi Yan, Yansheng Li
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 55.88982271340328
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Single point-supervised object detection is gaining attention due to its cost-effectiveness. However, existing approaches focus on generating horizontal bounding boxes (HBBs) while ignoring oriented bounding boxes (OBBs) commonly used for objects in aerial images. This paper proposes PointOBB, the first single Point-based OBB generation method, for oriented object detection. PointOBB operates through the collaborative utilization of three distinctive views: an original view, a resized view, and a rotated/flipped (rot/flp) view. Upon the original view, we leverage the resized and rot/flp views to build a scale augmentation module and an angle acquisition module, respectively. In the former module, a Scale-Sensitive Consistency (SSC) loss is designed to enhance the deep network's ability to perceive the object scale. For accurate object angle predictions, the latter module incorporates self-supervised learning to predict angles, which is associated with a scale-guided Dense-to-Sparse (DS) matching strategy for aggregating dense angles corresponding to sparse objects. The resized and rot/flp views are switched using a progressive multi-view switching strategy during training to achieve coupled optimization of scale and angle. Experimental results on the DIOR-R and DOTA-v1.0 datasets demonstrate that PointOBB achieves promising performance, and significantly outperforms potential point-supervised baselines.
• Abstract（参考訳）: 単点監視対象検出はコスト効率のため注目されている。 しかし、既存のアプローチでは水平境界ボックス(hbbs)の生成に重点を置いており、空中画像のオブジェクトに一般的に使用される指向境界ボックス(obbs)は無視している。 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。 元のビューでは、resizedとrot/flpビューを利用して、それぞれスケール拡張モジュールと角取得モジュールを構築します。 前者のモジュールでは、SSC(Scale-Sensitive Consistency)損失は、オブジェクトのスケールを知覚するディープネットワークの能力を高めるために設計されている。 正確な対象角度予測のために、後者のモジュールは自己教師付き学習を取り入れて、スパースオブジェクトに対応する密集角度を集約するスケール誘導Dense-to-Sparse(DS)マッチング戦略と関連付ける。 リサイズとrot/flpビューは、トレーニング中にプログレッシブなマルチビュースイッチング戦略を用いて切り替えられ、スケールとアングルの同時最適化を実現する。 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し、潜在的点監督ベースラインを著しく上回ることを示した。

関連論文リスト

• 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)
• Weakly-supervised Contrastive Learning for Unsupervised Object Discovery [52.696041556640516]
  ジェネリックな方法でオブジェクトを発見できるため、教師なしのオブジェクト発見は有望である。 画像から高レベルな意味的特徴を抽出する意味誘導型自己教師学習モデルを設計する。 オブジェクト領域のローカライズのための主成分分析(PCA)を導入する。
  論文  参考訳（メタデータ） (2023-07-07T04:03:48Z)
• 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)
• SASA: Semantics-Augmented Set Abstraction for Point-based 3D Object Detection [78.90102636266276]
  SASA(Semantics-Augmented Set Abstraction)と呼ばれる新しい集合抽象化手法を提案する。 そこで本研究では, 推定点前景スコアに基づいて, より重要な前景点の維持を支援するセマンティックス誘導点サンプリングアルゴリズムを提案する。 実際には、SASAは、前景オブジェクトに関連する貴重な点を識別し、ポイントベースの3D検出のための特徴学習を改善するのに有効である。
  論文  参考訳（メタデータ） (2022-01-06T08:54:47Z)
• Anchor Retouching via Model Interaction for Robust Object Detection in Aerial Images [15.404024559652534]
  本稿では,新しいトレーニングサンプルジェネレータを構築するために,動的拡張アンカー(DEA)ネットワークを提案する。 提案手法は,適度な推論速度とトレーニングの計算オーバーヘッドを伴って,最先端の性能を精度良く達成する。
  論文  参考訳（メタデータ） (2021-12-13T14:37:20Z)
• DAFNe: A One-Stage Anchor-Free Deep Model for Oriented Object Detection [16.21161769128316]
  DAFNe: オブジェクト指向物体検出のためのワンステージアンカーフリーディープネットワークを提案する。 アンカーフリーモデルとして、DAFNeはバウンディングボックスアンカーの使用を控えることで予測複雑性を低減する。 低品質な予測に対する任意指向の有界箱に対する中心性関数の指向性を考慮した一般化を提案する。
  論文  参考訳（メタデータ） (2021-09-13T17:37:20Z)
• Oriented RepPoints for Aerial Object Detection [10.818838437018682]
  本稿では,オブジェクト指向RepPointsという,空中物体検出のための新しい手法を提案する。 具体的には、任意指向オブジェクトの幾何学的および空間的情報を取得するために、適応点の集合を用いることを提案する。 教師付き学習を容易にするために,適応点を配向境界ボックスに明示的にマッピングする指向変換関数を提案する。
  論文  参考訳（メタデータ） (2021-05-24T06:18:23Z)
• 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)
• Point-Set Anchors for Object Detection, Instance Segmentation and Pose Estimation [85.96410825961966]
  中心点から抽出された画像の特徴は、離れたキーポイントや境界ボックスの境界を予測するための限られた情報を含んでいると論じる。 推論を容易にするために,より有利な位置に配置された点集合からの回帰を行うことを提案する。 我々は、オブジェクト検出、インスタンス分割、人間のポーズ推定にPoint-Set Anchorsと呼ばれるこのフレームワークを適用した。
  論文  参考訳（メタデータ） (2020-07-06T15:59:56Z)

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。