Align Deep Features for Oriented Object Detection¶
论文地址¶
https://arxiv.org/abs/2008.09397
代码¶
https://github.com/csuhan/s2anet
摘要¶
Cite
在过去的十年中，在通常以大尺度变化和任意方向分布的航拍图像中检测物体方面取得了重大进展。然而，大多数现有方法都依赖于具有不同尺度、角度和纵横比的启发式定义的锚点， 并且锚框和轴对齐的卷积特征之间通常存在严重的错位，这导致分类分数和定位精度之间普遍存在不一致。为了解决这个问题，我们提出了一个由两个模块组成的单次对齐网络（S2A-Net）： 一个特征对齐模块（FAM）和一个定向检测模块（ODM）。 FAM 可以使用 Anchor Refinement Network 生成高质量的 anchors，并根据具有新颖的 Alignment Convolution 的 anchor boxes 自适应地对齐卷积特征。 ODM首先采用主动旋转滤波器对方向信息进行编码，然后产生方向敏感和方向不变的特征，以缓解分类得分与定位精度之间的不一致。 此外，我们进一步探索了在大尺寸图像中检测对象的方法，从而在速度和准确性之间取得更好的权衡。大量实验表明，我们的方法可以在两个常用的航空物体数据集（即 DOTA 和 HRSC2016）上实现最先进的性能， 同时保持高效率
特征和anchor之间不对齐，听起来痛点没什么问题
方法¶
总结¶
Cite
在本文中，我们提出了一种简单有效的单次对齐网络 (S2A-Net)，用于航拍图像中的定向目标检测。通过提出的特征对齐模块和定向检测模块， 我们的 S2A-Net 实现了完整的特征对齐并减轻了回归与分类之间的不一致。此外，我们探索了在大尺寸图像上进行检测以实现更好的速度-精度权衡的方法。 大量实验表明，我们的 S2A-Net 可以在 DOTA 和 HRSC2016 上实现最先进的性能