論文の概要: Fourier Angle Alignment for Oriented Object Detection in Remote Sensing

• arxiv url: http://arxiv.org/abs/2602.23790v1
• Date: Fri, 27 Feb 2026 08:34:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-02 19:48:24.320214
• Title: Fourier Angle Alignment for Oriented Object Detection in Remote Sensing
• Title（参考訳）: リモートセンシングにおけるオブジェクト指向物体検出のためのフーリエ角アライメント
• Authors: Changyu Gu, Linwei Chen, Lin Gu, Ying Fu,
• Abstract要約: 周波数スペクトルを用いて角度情報を解析し、主方向を一定の向きに整列するフーリエ回転同値を導入する。 FAAFusionとFAA Headは2つのプラグ&プレイモジュールだ。 FAA Headは新しい検出ヘッドとして機能し、RoIを標準角に調整し、分類と回帰の前に元の機能に追加する。 本手法は,DOTA-v1.0で78.72% mAP,DOTA-v1.5データセットで72.28% mAP,単一スケールトレーニングとテストを行う。
• 参考スコア（独自算出の注目度）: 20.772880369835462
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In remote sensing rotated object detection, mainstream methods suffer from two bottlenecks, directional incoherence at detector neck and task conflict at detecting head. Ulitising fourier rotation equivariance, we introduce Fourier Angle Alignment, which analyses angle information through frequency spectrum and aligns the main direction to a certain orientation. Then we propose two plug and play modules : FAAFusion and FAA Head. FAAFusion works at the detector neck, aligning the main direction of higher-level features to the lower-level features and then fusing them. FAA Head serves as a new detection head, which pre-aligns RoI features to a canonical angle and adds them to the original features before classification and regression. Experiments on DOTA-v1.0, DOTA-v1.5 and HRSC2016 show that our method can greatly improve previous work. Particularly, our method achieves new state-of-the-art results of 78.72% mAP on DOTA-v1.0 and 72.28% mAP on DOTA-v1.5 datasets with single scale training and testing, validating the efficacy of our approach in remote sensing object detection. The code is made publicly available at https://github.com/gcy0423/Fourier-Angle-Alignment .
• Abstract（参考訳）: リモートセンシングで回転物体検出を行う場合、メインストリーム法は2つのボトルネックに悩まされる。 フーリエ角アライメント(Fourier Angle Alignment)を導入し,周波数スペクトルを用いて角度情報を解析し,主方向を一定の向きに整列させる。 次に, FAAFusion と FAA Head の2つのプラグ・アンド・プレイモジュールを提案する。 FAAFusionは、検出器の首で機能し、上位機能の主要方向を下位機能に合わせる。 FAA Headは新しい検出ヘッドとして機能し、RoIを標準角に調整し、分類と回帰の前に元の機能に追加する。 DOTA-v1.0, DOTA-v1.5, HRSC2016における実験結果から, 本手法が従来よりも大幅に改善できることが示唆された。 特に,DOTA-v1.5データセットでは78.72% mAP,DOTA-v1.5データセットでは72.28% mAP,遠隔センシング対象検出ではアプローチの有効性が検証された。 コードはhttps://github.com/gcy0423/Fourier-Angle-Alignment で公開されている。

関連論文リスト

• RSAR: Restricted State Angle Resolver and Rotated SAR Benchmark [61.987291551925516]
  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。
  論文  参考訳（メタデータ） (2025-01-08T11:41:47Z)
• MutDet: Mutually Optimizing Pre-training for Remote Sensing Object Detection [36.478530086163744]
  本研究では,MutDetと呼ばれるリモートセンシングオブジェクト検出のための,Mutally最適化事前学習フレームワークを提案する。 MutDetはオブジェクトの埋め込みを融合し、検出器は最後のエンコーダ層に双方向に機能し、情報インタラクションを強化する。 様々な環境での実験は、新しい最先端の転送性能を示している。
  論文  参考訳（メタデータ） (2024-07-13T15:28:15Z)
• SOOD++: Leveraging Unlabeled Data to Boost Oriented Object Detection [68.18620488664187]
  本稿では,SOOD++ と呼ばれる簡易かつ効果的な半教師付きオブジェクト指向検出手法を提案する。 具体的には、空中画像からの物体は、通常任意の向き、小さなスケール、密度分布を持つ。 各種ラベル付き環境下での多目的対象物に対する大規模な実験により,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2024-07-01T07:03:51Z)
• Tucker Bilinear Attention Network for Multi-scale Remote Sensing Object Detection [10.060030309684953]
  リモートセンシング対象の大規模変動は、VHRリモートセンシング対象検出における大きな課題の1つである。 本稿では2つの新しいモジュール, Guided Attention と Tucker Bilinear Attention を提案する。 2つのモジュールに基づいて、我々は新しいマルチスケールリモートセンシングオブジェクト検出フレームワークを構築した。
  論文  参考訳（メタデータ） (2023-03-09T15:20:03Z)
• 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)
• 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)
• 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)
• 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。