論文の概要: RSAR: Restricted State Angle Resolver and Rotated SAR Benchmark

• arxiv url: http://arxiv.org/abs/2501.04440v1
• Date: Wed, 08 Jan 2025 11:41:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-09 14:55:57.015774
• Title: RSAR: Restricted State Angle Resolver and Rotated SAR Benchmark
• Title（参考訳）: RSAR: 制限付きステートアングルリゾルバと回転SARベンチマーク
• Authors: Xin Zhang, Xue Yang, Yuxuan Li, Jian Yang, Ming-Ming Cheng, Xiang Li,
• Abstract要約: 単位円制限損失を組み込んで角度予測精度を向上させるユニットサイクルリゾルバを導入する。 提案手法は,既存の最先端教師あり手法の性能を効果的に向上させることができる。 UCRの助けを借りて、これまでで最大の多クラス回転SARオブジェクト検出データセットであるRSARをさらに注釈し、導入する。
• 参考スコア（独自算出の注目度）: 61.987291551925516
• License:
• Abstract: Rotated object detection has made significant progress in the optical remote sensing. However, advancements in the Synthetic Aperture Radar (SAR) field are laggard behind, primarily due to the absence of a large-scale dataset. Annotating such a dataset is inefficient and costly. A promising solution is to employ a weakly supervised model (e.g., trained with available horizontal boxes only) to generate pseudo-rotated boxes for reference before manual calibration. Unfortunately, the existing weakly supervised models exhibit limited accuracy in predicting the object's angle. Previous works attempt to enhance angle prediction by using angle resolvers that decouple angles into cosine and sine encodings. In this work, we first reevaluate these resolvers from a unified perspective of dimension mapping and expose that they share the same shortcomings: these methods overlook the unit cycle constraint inherent in these encodings, easily leading to prediction biases. To address this issue, we propose the Unit Cycle Resolver, which incorporates a unit circle constraint loss to improve angle prediction accuracy. Our approach can effectively improve the performance of existing state-of-the-art weakly supervised methods and even surpasses fully supervised models on existing optical benchmarks (i.e., DOTA-v1.0 dataset). With the aid of UCR, we further annotate and introduce RSAR, the largest multi-class rotated SAR object detection dataset to date. Extensive experiments on both RSAR and optical datasets demonstrate that our UCR enhances angle prediction accuracy. Our dataset and code can be found at: https://github.com/zhasion/RSAR.
• Abstract（参考訳）: 回転物体検出は光リモートセンシングにおいて大きな進歩を遂げた。 しかし、SAR(Synthetic Aperture Radar)分野の進歩は、主に大規模なデータセットがないために遅れている。 このようなデータセットに注釈をつけるのは非効率でコストがかかる。 有望な解決策は、手動のキャリブレーションの前に擬似回転ボックスを生成するために弱教師付きモデル(例えば、水平ボックスのみでトレーニングされる)を使用することである。 残念ながら、既存の弱い教師付きモデルでは、物体の角度を予測する精度が限られている。 従来の作業では、角度をコサインとシネエンコーディングに分離する角度レゾルバを用いて、角度予測を強化しようとしていた。 本研究は,まず,次元マッピングの統一的な視点からこれらのリゾルバを再評価し,それらが同じ欠点を共有していることを明らかにする。 この問題に対処するため,角度予測精度を向上させるために単位円制限損失を組み込んだユニットサイクルリゾルバを提案する。 我々の手法は、既存の最先端の弱教師付き手法の性能を効果的に向上させ、既存の光学ベンチマーク(DOTA-v1.0データセット)で完全に教師付きモデルを超えることができる。 UCRの助けを借りて、これまでで最大の多クラス回転SARオブジェクト検出データセットであるRSARをさらに注釈し、導入する。 RSARと光学データセットの大規模な実験は、我々のUCRが角度予測精度を高めることを実証している。 データセットとコードは、https://github.com/zhasion/RSAR.com/s/s/s/s/s/s/s/s/s/s/s/s/s/s/s/s/s/s/s/s/s/s/s/s/s/s/s/s/s/s/s/s/ s/s/s/

関連論文リスト

• Consensus-Adaptive RANSAC [104.87576373187426]
  本稿では,パラメータ空間の探索を学習する新しいRANSACフレームワークを提案する。 注意機構は、ポイント・ツー・モデル残差のバッチで動作し、軽量のワンステップ・トランスフォーマーで見いだされたコンセンサスを考慮するために、ポイント・ツー・モデル推定状態を更新する。
  論文  参考訳（メタデータ） (2023-07-26T08:25:46Z)
• Multi-Grained Angle Representation for Remote Sensing Object Detection [6.950513073141904]
  粗粒度角度分類(CAC)と細粒度角度回帰(FAR)からなる新しい任意指向物体検出(AOOD)法を提案する。 CACは、離散角符号化(DAE)による角度予測の曖昧さを回避し、DAEの粒度を粗くすることで複雑さを低減する。 FARは、DAEの粒度を狭めるよりもはるかに低コストで角度予測を洗練するために開発された。 A Intersection over Union (IoU) aware FAR-Loss (IFL) is designed to improve accuracy of angle prediction using an Adaptive re-weighting mechanismed by I。
  論文  参考訳（メタデータ） (2022-09-07T02:08:50Z)
• Anchor-free Oriented Proposal Generator for Object Detection [59.54125119453818]
  オブジェクト指向物体検出はリモートセンシング画像解釈において実用的で困難な課題である。 今日では、指向性検出器は主に水平方向の箱を中間体として使用し、それらから指向性のある箱を導出している。 本稿では,ネットワークアーキテクチャから水平ボックス関連操作を放棄する,AOPG(Anchor-free Oriented Proposal Generator)を提案する。
  論文  参考訳（メタデータ） (2021-10-05T10:45:51Z)
• 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)
• 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)
• Evaluating Prediction-Time Batch Normalization for Robustness under Covariate Shift [81.74795324629712]
  我々は予測時間バッチ正規化と呼び、共変量シフト時のモデル精度とキャリブレーションを大幅に改善する。 予測時間バッチ正規化は、既存の最先端アプローチに相補的な利点をもたらし、ロバスト性を向上させることを示します。 この手法は、事前トレーニングと併用して使用すると、さまざまな結果が得られるが、より自然なタイプのデータセットシフトでは、パフォーマンスが良くないようだ。
  論文  参考訳（メタデータ） (2020-06-19T05:08:43Z)
• 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。