論文の概要: Real-Time Oriented Object Detection Transformer in Remote Sensing Images

• arxiv url: http://arxiv.org/abs/2603.15497v1
• Date: Mon, 16 Mar 2026 16:28:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-17 18:28:58.590735
• Title: Real-Time Oriented Object Detection Transformer in Remote Sensing Images
• Title（参考訳）: リモートセンシング画像におけるリアルタイムオブジェクト指向物体検出変換器
• Authors: Zeyu Ding, Yong Zhou, Jiaqi Zhao, Wen-Liang Du, Xixi Li, Rui Yao, Abdulmotaleb El Saddik,
• Abstract要約: 本稿では,初のリアルタイム・エンドツーエンド指向オブジェクト検出装置であるリアルタイム指向オブジェクト検出変換器を提案する。 具体的には、角度の回帰を再構成するために、角度分布の微細化を提案する。 また、トレーニングを安定させ、4つのノイズモードを解析するために、指向性コントラストデノケーションを提案する。
• 参考スコア（独自算出の注目度）: 36.48263676876599
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent real-time detection transformers have gained popularity due to their simplicity and efficiency. However, these detectors do not explicitly model object rotation, especially in remote sensing imagery where objects appear at arbitrary angles, leading to challenges in angle representation, matching cost, and training stability. In this paper, we propose a real-time oriented object detection transformer, the first real-time end-to-end oriented object detector to the best of our knowledge, that addresses the above issues. Specifically, angle distribution refinement is proposed to reformulate angle regression as an iterative refinement of probability distributions, thereby capturing the uncertainty of object rotation and providing a more fine-grained angle representation. Then, we incorporate a Chamfer distance cost into bipartite matching, measuring box distance via vertex sets, enabling more accurate geometric alignment and eliminating ambiguous matches. Moreover, we propose oriented contrastive denoising to stabilize training and analyze four noise modes. We observe that a ground truth can be assigned to different index queries across different decoder layers, and analyze this issue using the proposed instability metric. We design a series of model variants and experiments to validate the proposed method. Notably, our O2-DFINE-L, O2-RTDETR-R50 and O2-DEIM-R50 achieve 77.73%/78.45%/80.15% AP50 on DOTA1.0 and 132/119/119 FPS on the 2080ti GPU. Code is available at https://github.com/wokaikaixinxin/ai4rs.
• Abstract（参考訳）: 最近のリアルタイム検出変換器は、そのシンプルさと効率性から人気を集めている。 しかし、これらの検出器は、特に任意の角度に物体が現れるリモートセンシング画像において、対象の回転を明示的にモデル化していない。 本稿では,この課題に対処する初のリアルタイム・エンドツーエンド・オブジェクト検出器であるリアルタイム・オブジェクト指向・オブジェクト検出変換器を提案する。 具体的には、確率分布の反復的洗練として角度分布の補正を提案し、それによって物体の回転の不確かさを捉え、よりきめ細かな角度表現を提供する。 次に,両部マッチングにチャンファー距離コストを組み込み,頂点集合によるボックス距離を測定し,より正確な幾何学的アライメントを可能にし,あいまいなマッチングを排除した。 さらに,学習の安定と4つのノイズモードの分析を目的とした指向性コントラストデノケーションを提案する。 本研究では,異なるデコーダ層にまたがる異なるインデックスクエリに基底真理を割り当てることが可能であることを観察し,提案した不安定度測定値を用いてこの問題を分析する。 提案手法を検証するために,一連のモデル変種と実験を設計する。 特に、O2-DFINE-L、O2-RTDETR-R50、O2-DEIM-R50は、DOTA1.0で77.73%/78.45%/80.15% AP50、2080ti GPUで132/119 FPSを達成した。 コードはhttps://github.com/wokaikaixinxin/ai4rsで入手できる。

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)
• Hausdorff Distance Matching with Adaptive Query Denoising for Rotated Detection Transformer [4.137346786534721]
  両部マッチングのためのハウスドルフ距離に基づくコストを導入し、予測と基底の真理との相違をより正確に定量化する。 本稿では,2部マッチングを用いた適応型問合せ記述手法を提案し,モデル改良から抽出した雑音付き問合せを選択的に除去する。
  論文  参考訳（メタデータ） (2023-05-12T16:42:54Z)
• 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)
• 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)
• 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)
• 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。