論文の概要: Enhancing Rotated Object Detection via Anisotropic Gaussian Bounding Box and Bhattacharyya Distance

• arxiv url: http://arxiv.org/abs/2510.16445v1
• Date: Sat, 18 Oct 2025 10:42:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 00:56:38.999608
• Title: Enhancing Rotated Object Detection via Anisotropic Gaussian Bounding Box and Bhattacharyya Distance
• Title（参考訳）: 異方性ガウスバウンディングボックスとバッタリアヤ距離による回転物体検出の高速化
• Authors: Chien Thai, Mai Xuan Trang, Huong Ninh, Hoang Hiep Ly, Anh Son Le,
• Abstract要約: 本稿では,検出精度とロバスト性の向上を目的とした改良された損失関数を提案する。 我々は、正方形の物体における等方的分散に関連する問題に対処するために、異方的ガウス表現を使うことを提唱する。 提案手法は,回転物体の幾何学的特性を効果的に捉える回転不変損失関数を組み込むことにより,これらの課題に対処する。
• 参考スコア（独自算出の注目度）: 0.9786690381850356
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Detecting rotated objects accurately and efficiently is a significant challenge in computer vision, particularly in applications such as aerial imagery, remote sensing, and autonomous driving. Although traditional object detection frameworks are effective for axis-aligned objects, they often underperform in scenarios involving rotated objects due to their limitations in capturing orientation variations. This paper introduces an improved loss function aimed at enhancing detection accuracy and robustness by leveraging the Gaussian bounding box representation and Bhattacharyya distance. In addition, we advocate for the use of an anisotropic Gaussian representation to address the issues associated with isotropic variance in square-like objects. Our proposed method addresses these challenges by incorporating a rotation-invariant loss function that effectively captures the geometric properties of rotated objects. We integrate this proposed loss function into state-of-the-art deep learning-based rotated object detection detectors, and extensive experiments demonstrated significant improvements in mean Average Precision metrics compared to existing methods. The results highlight the potential of our approach to establish new benchmark in rotated object detection, with implications for a wide range of applications requiring precise and reliable object localization irrespective of orientation.
• Abstract（参考訳）: 回転物体を正確にかつ効率的に検出することは、特に空中画像、リモートセンシング、自律運転などの応用において、コンピュータビジョンにおいて重要な課題である。 従来のオブジェクト検出フレームワークは軸方向のオブジェクトに対して有効であるが、向きのバリエーションを捉えるのに制限があるため、回転オブジェクトを含むシナリオでは性能が劣ることが多い。 本稿では,ガウス境界ボックス表現とバッタリア距離を利用して,検出精度とロバスト性を向上する改良された損失関数を提案する。 さらに、正方形の物体における等方的分散に関連する問題に対処するために、異方的ガウス表現を用いることを提唱する。 提案手法は,回転物体の幾何学的特性を効果的に捉える回転不変損失関数を組み込むことにより,これらの課題に対処する。 提案した損失関数を最先端の深層学習に基づく回転物体検出装置に統合し,既存手法と比較して平均精度測定値の大幅な改善を実証した。 その結果、回転物体検出における新しいベンチマークを確立するためのアプローチの可能性を強調し、向きに関係なく、正確で信頼性の高い物体の局所化を必要とする幅広いアプリケーションに影響を及ぼすことを示した。

関連論文リスト

• 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)
• Detecting Rotated Objects as Gaussian Distributions and Its 3-D Generalization [81.29406957201458]
  既存の検出方法は、パラメータ化バウンディングボックス(BBox)を使用して(水平)オブジェクトをモデル化し、検出する。 このような機構は回転検出に有効な回帰損失を構築するのに基本的な限界があると主張する。 回転した物体をガウス分布としてモデル化することを提案する。 2次元から3次元へのアプローチを、方向推定を扱うアルゴリズム設計により拡張する。
  論文  参考訳（メタデータ） (2022-09-22T07:50:48Z)
• 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)

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。