論文の概要: Measuring the Impact of Rotation Equivariance on Aerial Object Detection

• arxiv url: http://arxiv.org/abs/2507.09896v1
• Date: Mon, 14 Jul 2025 04:04:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-15 18:48:24.262342
• Title: Measuring the Impact of Rotation Equivariance on Aerial Object Detection
• Title（参考訳）: 航空機物体検出における回転等価性の影響の測定
• Authors: Xiuyu Wu, Xinhao Wang, Xiubin Zhu, Lan Yang, Jiyuan Liu, Xingchen Hu,
• Abstract要約: いくつかの検出器が回転同変ネットワークを構築しているが、典型的なダウンサンプリングプロセスによる厳密な回転同変の破れにより、これらのネットワークはおよそ回転同変のバックボーンしか達成できない。 本研究では,高度に低いパラメータ数を持つ空中画像データセットDOTA-v1.0,DOTA-v1.5,DIOR-Rの最先端性能を実現するマルチブランチヘッド回転同変単段検出器(MessDet)を提案する。
• 参考スコア（独自算出の注目度）: 12.663160413931374
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Due to the arbitrary orientation of objects in aerial images, rotation equivariance is a critical property for aerial object detectors. However, recent studies on rotation-equivariant aerial object detection remain scarce. Most detectors rely on data augmentation to enable models to learn approximately rotation-equivariant features. A few detectors have constructed rotation-equivariant networks, but due to the breaking of strict rotation equivariance by typical downsampling processes, these networks only achieve approximately rotation-equivariant backbones. Whether strict rotation equivariance is necessary for aerial image object detection remains an open question. In this paper, we implement a strictly rotation-equivariant backbone and neck network with a more advanced network structure and compare it with approximately rotation-equivariant networks to quantitatively measure the impact of rotation equivariance on the performance of aerial image detectors. Additionally, leveraging the inherently grouped nature of rotation-equivariant features, we propose a multi-branch head network that reduces the parameter count while improving detection accuracy. Based on the aforementioned improvements, this study proposes the Multi-branch head rotation-equivariant single-stage Detector (MessDet), which achieves state-of-the-art performance on the challenging aerial image datasets DOTA-v1.0, DOTA-v1.5 and DIOR-R with an exceptionally low parameter count.
• Abstract（参考訳）: 空中画像における物体の任意の配向のため、回転平衡は空中物体検出器にとって重要な特性である。 しかし、回転同変空中物体検出に関する最近の研究はほとんど残っていない。 ほとんどの検出器は、モデルがおよそ回転同変の特徴を学習できるようにするためにデータ拡張に依存している。 いくつかの検出器が回転同変ネットワークを構築しているが、典型的なダウンサンプリングプロセスによる厳密な回転同変の破れにより、これらのネットワークはおよそ回転同変のバックボーンしか達成できない。 航空画像オブジェクト検出に厳密な回転同値が必要であるかどうかは未解決の問題である。 本稿では、より高度なネットワーク構造を持つ厳密な回転同変バックボーンとネックネットワークを実装し、それと略回転同変ネットワークを比較し、空中画像検出器の性能に対する回転同変の影響を定量的に測定する。 さらに、回転同変特性の本質的にグループ化された性質を活用し、検出精度を向上しつつパラメータ数を削減できるマルチブランチヘッドネットワークを提案する。 本研究は、上記の改良に基づき、高度に低いパラメータ数で、挑戦的な空中画像データセットDOTA-v1.0、DOTA-v1.5、DIOR-Rの最先端性能を実現するマルチブランチヘッド回転同変単段検出器(MessDet)を提案する。

関連論文リスト

• Rotation Equivariant Arbitrary-scale Image Super-Resolution [62.41329042683779]
  任意のスケールの超解像(ASISR)は、低解像度の入力画像から任意のスケールの高分解能回復を実現することを目的としている。 本研究では, 回転同変ASISR法の構築に尽力する。
  論文  参考訳（メタデータ） (2025-08-07T08:51:03Z)
• FRED: Towards a Full Rotation-Equivariance in Aerial Image Object Detection [28.47314201641291]
  FRED(Fully Rotation-Equivariant Oriented Object Detector)を導入する。 提案手法は,DOTA-v1.0では同等の性能を示し,DOTA-v1.5では1.5mAP,モデルパラメータでは16%と大幅に低下する。
  論文  参考訳（メタデータ） (2023-12-22T09:31:43Z)
• Adaptive Rotated Convolution for Rotated Object Detection [96.94590550217718]
  本稿では、回転物体検出問題に対処するために、適応回転変換(ARC)モジュールを提案する。 ARCモジュールでは、コンボリューションカーネルが適応的に回転し、異なる画像に異なる向きのオブジェクト特徴を抽出する。 提案手法は,81.77%mAPのDOTAデータセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-03-14T11:53:12Z)
• 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)
• Point RCNN: An Angle-Free Framework for Rotated Object Detection [13.209895262511015]
  空中画像における回転物体検出は、任意方向、大規模かつアスペクト比のばらつき、オブジェクトの極端な密度のため、依然として困難である。 本稿では、主に PointRPN と PointReg から構成される Point RCNN と呼ばれる、回転物体検出のための純粋に角度のないフレームワークを提案する。 我々のPoint RCNNは、一般的に使用される航空データセット上で、最先端の検知性能を実現することを実証した。
  論文  参考訳（メタデータ） (2022-05-28T04:07:37Z)
• RSDet++: Point-based Modulated Loss for More Accurate Rotated Object Detection [53.57176614020894]
  我々は、回転感度誤差(RSE)として、5パラメータと8パラメータの回転物体検出法の両方における損失の不連続性を分類する。 問題を軽減するために新しい変調された回転損失を導入し、回転感度検出ネットワーク(RSDet)を提案する。 10ピクセル未満のオブジェクトに対する本手法の精度をさらに向上するため,新しいRSDet++を提案する。
  論文  参考訳（メタデータ） (2021-09-24T11:57:53Z)
• Learning High-Precision Bounding Box for Rotated Object Detection via Kullback-Leibler Divergence [100.6913091147422]
  既存の回転物体検出器は、主に水平検出パラダイムから受け継がれている。 本稿では,回転回帰損失の設計を帰納パラダイムから導出手法に変更することを目的としている。
  論文  参考訳（メタデータ） (2021-06-03T14:29:19Z)
• Rotation Equivariant Feature Image Pyramid Network for Object Detection in Optical Remote Sensing Imagery [39.25541709228373]
  本稿では、回転同値畳み込みに基づく画像ピラミッドネットワークである回転同変特徴像ピラミッドネットワーク(REFIPN)を提案する。 提案するピラミッドネットワークは, 新規な畳み込みフィルタを用いて, 広い範囲で特徴を抽出する。 提案モデルの検出性能は2つの一般的な航空ベンチマークで検証される。
  論文  参考訳（メタデータ） (2021-06-02T01:33:49Z)
• ReDet: A Rotation-equivariant Detector for Aerial Object Detection [27.419045245853706]
  これらの問題に対処するために、回転等変性検出器(ReDet)を提案する。 回転同変ネットワークを検出器に組み込んで回転同変特徴を抽出する。 本手法は,空中物体検出作業における最先端性能を実現する。
  論文  参考訳（メタデータ） (2021-03-13T15:37:36Z)
• MRDet: A Multi-Head Network for Accurate Oriented Object Detection in Aerial Images [51.227489316673484]
  水平アンカーから変換された指向性提案を生成するために、任意指向領域提案ネットワーク(AO-RPN)を提案する。 正確なバウンディングボックスを得るために,検出タスクを複数のサブタスクに分離し,マルチヘッドネットワークを提案する。 各ヘッドは、対応するタスクに最適な特徴を学習するために特別に設計されており、ネットワークがオブジェクトを正確に検出することができる。
  論文  参考訳（メタデータ） (2020-12-24T06:36:48Z)

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。