归纳总结 Name Value 标签 #遥感 #目标检测 数据集 DOTA,HRSC2016 目的 两阶段方法计算量大，单阶段方法性能不足 方法 基于自注意力的互动分支 3....问题背景 作者提到，遥感图像的目标检测任务的难点在于： 和自然图像相比，物体形状相似且可见特征稀少 目标具有不同的旋转角度 具有更多的小目标和密集目标 而目前最好的性能都是两阶段算法实现的，但是两阶段算法通常在第一阶段定位...，在第二阶段分类，因此计算量是非常大的，尤其是对旋转目标检测而言，因为Anchor匹配（涉及IoU计算）和RoI特征提取的计算量大。...主要工作 针对上诉问题，作者提出了IENet（interactive embranchment network），其是一个单阶段的Anchor-Free旋转目标检测器，其包含如下贡献点： 一个新的geometric...mechanism） 一个针对旋转框检测改进的IoU Loss 4.1 模型结构 （1） Baseline模型结构(FCOS-O) 在FCOS的基础上增加了一个独立的角度回归分支（Orientation
Conference on Computer Vision and Pattern Recognition}, pages={1829--1838}, year={2022} } Name Value 标签 #旋转目标检测...#标签分配 数据集 #DOTA #HRSC2016 #UCAS-AOD #DIOR-R 目的 设计面向航拍图像的旋转目标检测器 方法 基于RepPoint实现 2....问题背景 作者提到航拍图像中目标具有非水平，任意方向，密集分布，背景复杂等困难，主流的方法大多将其视为简单的旋转目标检测问题。...这是因为角度的有界周期性和旋转框的方向定义造成的。因此为了避免这种问题，一些方法重新定义了目标旋转框的表示方法。例如，基于点集表示的方法RepPoints可以捕获关键的语义特征。...文章贡献点如下： 提出了一个高效的航拍目标检测器Oriented RepPoint 提出了一个质量评估和样本选择机制用于自适应学习点集 在四个具有挑战的数据集上实验并展现出不错的性能 3.1 模型结构
归纳总结 标签 目的 方法 总结 #遥感 #注意力机制 #旋转目标检测 解决了遥感目标角度边界问题 IoU SmoothL1 Loss，多维注意力 从遥感目标的难点出发 3....问题背景 遥感目标检测的难点： 小目标（small size） 密集（dense distribution） 方向任意（arbitrary direction） 4....相关工作 目标检测经典模型： 两阶段：Fast R-CNN，Faster R-CNN，R-FCN 单阶段：YOLO，SSD 针对小目标：RP-Faster R-CNN 6....在当前常用的旋转检测框的角度定义下，由于存在旋转角度的边界问题，会产生不必要的损失，如下图所示： 图片 最理想的角度回归路线是由蓝色框逆时针旋转到红色框，但由于角度的周期性，导致按照这个回归方式的损失非常大...参考文献 旋转目标检测方法解读 （SCRDet, ICCV2019） - 知乎 (zhihu.com)
image.png三、各种表示方法的边界问题由于大长宽比的目标对于角度的变化是非常敏感的，因此研究边界问题是比较有意义的。我们希望在边界情况也能预测的比较准确，减少有预测框但是不准被当FP的情况。...因此在比较总的精度的同时，也单独挑出了5种角度信息明显的目标来比较CSL-Based和regression-based方法。?image.png?2. 窗口半径的探究下表是对合适窗口半径的探究实验：?...我们也是将CSL-based定位为一个更合适的baseline方法，毕竟CSL可以很轻松的和基于五参数的旋转检测方法相结合。?...这种现象正是我们设计CSL方法的目的，也很好证明了基于CSL方法的检测器可以很好学习到目标的方向信息。5....对于上面的实验结果，我们只是加了常规的数据增强（包括随机水平垂直翻转、随机旋转、随机灰度化）、多尺度训练和测试、大骨干网络，就在两个数据集上取得了SOTA的结果。
作者：yangxue（论文一作） https://zhuanlan.zhihu.com/p/107400817 本文已由原作者授权，不得擅自二次转载 一、 遥感目标检测 遥感目标检测其实是一个比较有意思的研究领域...从检测框形式划分，遥感目标的检测可以分成水平检测和旋转检测两种。...二、SCRDet检测器 首先，文章认识到了遥感目标检测所面临的以上三个问题，针对这些问题进行改进： 对于小目标：通过特征融合和anchor采样角度出发设计了一个特征融合结构。...SF-Net 小目标检测一直是较难克服的一个问题，这在遥感图像中尤其突出。文章认为特征融合和有效的采样是较好检测小目标的关键。...在当前常用的旋转检测框的角度定义下，由于存在旋转角度的边界问题，会产生不必要的损失，如下图所示： ?
论文介绍 众所周知，一般的检测网络并不具备旋转不变性或者旋转等变性，在某些场景如遥感图像中，经常会对训练数据使用“旋转增强”来增强网络的性能。...对于旋转之后的目标的ground truth，通常的做法是对原本的真值框旋转相同的角度，然后对旋转后的框取最大外接水平矩形，如下图红框所示。...然而作者发现，这种最大外接框的取法会得到过于大的真值框，从而产生标签歧义问题，甚至会损害网络的检测性能，特别是AP75的性能。...而本文作者提出，用最大内接椭圆来表示bounding box中物体的形状为更优的表示，对图片旋转后，对这个椭圆进行旋转，取椭圆的最大外接矩作为旋转后物体的真值框，如上图墨蓝色框所示。...总结 本文针对目标检测中的旋转增强提出两个贡献： 旋转增强后新的标签怎么生成的问题，提出了比最大框法更优的椭圆表示法 提出用于回归损失计算的旋转不确定损失RU Loss，进一步提升了效果
讨论的是旋转目标表征的问题，发表在IEEE Geoscience and Remote Sensing Letters上。...Motivation 主流的旋转目标表征方式分为两种：旋转矩形（OBB）和四边形（QBB）。这两种表征方式都存在边界越界问题和周期性问题（参考CSL论文或者下面的示意图）。...之前在旋转目标检测的SCRDet，GWD等论文中提到的旋转目标表征的角度周期性（ ），边角互换性，实际上也是当前损失函数无法匹配到这些等价的局部极小导致的，这里就不赘述了。 2....Method 2.1 Analysis “模糊表征”带来的旋转目标表征的歧义性在一些之前的论文中有被提到。...但是这些方法都是把“模糊表征”视作旋转目标检测的一个“问题”。 实际上根据定义来看，他们同样是有效的表征方式，等价的局部极小点，直接抑制多样表征来规避问题不是最可取的。
应用场景 由于业务需求，需要对部分不符合检测结果的图像进行过滤，因此需要对之前的检测项目进行优化。...常见问题有如下亮点： 图像中检测目标是倾斜角度； 图像中是通过镜子自拍或者加了滤镜处理后的相片； 这两种情况是由于训练样本中含有这两种情况的少，因此需要增加此类样本数。...本文只针对第一种情况进行数据增强，解决办法——旋转。 素材 项目是对服装进行检测，样本图（来源于用户晒图）： ?...处理思想 读取对应的图像，解析对应的xml，根据旋转的角度来变换之前检测到的坐标，以及保存变换后的图像。 处理代码 #!...240, 300] img_aug.process_img(imgs_path, xmls_path, img_save_path, xml_save_path, angle_list) 处理结果 旋转
/zhuanlan.zhihu.com/p/55105739 仓库地址：https://github.com/Crescent-Ao/GGHL-Deployment) 这次工程部署主要选择了比较熟悉的旋转选择框架...如果没有特殊算子的检测框架，依然可以使用下面的这个Pipeline, 旋转目标检测主要分成五参数和八参数的表征方法，分别对应的 x,y,w,h.以及对应的八参数的转化求法 x_1,y_1,x_2,y_2...8点的nms参考了DOTA Devkit的实现方式，同理也可以使用Opencv的旋转框nms实现，OBBDet.h为后处理主要的头文件，传入参数和传出参数，使用了引用和指针两种分配方式。
本文对 CVPR 2021 检测大类中的“伪装目标检测”、“旋转目标检测”领域的论文进行了盘点，将会依次阐述每篇论文的方法思路和亮点。...” 、“异常检测”领域的论文进行了盘点，今天我们继续盘点 CVPR 2021 检测大类中的“伪装目标检测和旋转目标检测”领域的论文，将依次阐述每篇论文的方法思路和亮点。...题目：ReDet：用于航空物体检测的等速旋转检测器)?...它明确地编码了旋转等值和旋转不变性：将旋转等值网络纳入检测器，以提取旋转等值特征、以准确预测方向，并导致模型大小的巨大减少。...论文六Dense Label Encoding for Boundary Discontinuity Free Rotation Detection题目：解读-DCL：旋转目标检测新方法?
Geoscience and Remote Sensing}, year={2022}, publisher={IEEE} } Name Value 标签 #遥感 #特征增强 #标签分配 #旋转目标检测...问题背景 作者提到，航拍图像目标检测任务存在目标方向任意以及前景与背景极不平衡的问题。并且提到Anchor-Based方法受超参数影响较大。因此作者的工作主要基于Anchor-Free模型实现。...（1）目标方向任意 由于航拍图像的鸟瞰视角，目标具有任意方向的性质。因此，通过标准2D卷积的水平感受野所获得特征并不能准确描述旋转目标的特征。下图可见，水平感受野和OBB不能很好的对齐。...（2）正负样本 作者发现不同空间位置的正样本展现出不一致的检测能力。下图可见，在不同位置检测出的OBB在IoU和Cls Score得到的结果差距很大。...OFR） OFR：利用旋转目标框的空间几何信息，学习更有效的特征表示。
场景文字识别 目标检测任务的目标是给定一张图像或是视频帧，让计算机找出其中所有目标的位置，并给出每个目标的具体类别。对于人类来说，目标检测是一个非常简单的任务。...与此同时，由于目标会出现在图像或是视频帧中的任何位置，目标的形态千变万化，图像或是视频帧的背景千差万别，诸多因素都使得目标检测对计算机来说是一个具有挑战性的问题。...【目标检测】 SSD目标检测 |1....概述 SSD全称：Single Shot MultiBox Detector，是目标检测领域较新且效果较好的检测算法之一[1]，有着检测速度快且检测精度高的特点。...PaddlePaddle已集成SSD算法，本示例旨在介绍如何使用PaddlePaddle中的SSD模型进行目标检测。
遥感影像中的旋转目标检测系列（一） 基于 Transformer 的旋转目标检测框架 D2Q-DETR 01 背 景 图 1：遥感影像中的目标检测 与自然影像数据集不同，遥感影像中的目标通常以任意角度出现...另一方面，因为目标的角度多变，水平框不可避免引入过多的背景信息。针对这些问题，遥感目标检测更倾向于检测目标的最小外接矩形框，即旋转目标检测。...旋转目标检测最近因其在不同场景中的重要应用而受到越来越多的关注，包括航空图像、场景文本和人脸等。...我们的工作重点是简化旋转对象检测，消除对复杂手工组件的需求，包括但不限于基于规则的训练目标分配、旋转 RoI 生成、旋转非最大值抑制 (NMS) 和旋转 RoI 特征提取器。...我们的主要贡献如下： 我们提出一个新型端到端旋转对象检测框架，命名为 DQ-DETR。据我们所知，我们是第一个将点预测与 Transformer 结合起来进行旋转目标检测的工作。
GiantPandaCV 【导语】前段时间纯粹为了论文凑字数做的一个工作，本文不对CenterNet原理进行详细解读，如果对CenterNet原理不了解，建议简单读一下原论文然后对照本文代码理解（对原版CenterNet目标检测代码进行了极大程度精简...说明一下，这里与原版CenterNet编译dcn一样，直接文件夹复制过来即可，如果你不会编译dcn，就用backbone内的dlanet.py与resnet.py 原版CenterNet代码较多，我只需要做目标检测...鉴于一些同学想知道模型训练完毕，怎么对比性能，比如旋转框怎么计算mIOU等，所以更新一个evaluation.py以及对应的案例图片和文件夹imgs。...注：每个label里面的目标五个数值：分别为目标中心点（x,y），以及宽度，长度，角度，角度是以12点钟为0°，顺时针旋转的角度，最大为179.99999°（旋转180°，相当于没转） 训练自己的多分类网络...打标签用labelGenerator文件夹里面的代码 修改代码中所有num_classes为你的类别数目 增加predict.py中方框颜色，我这里只检测单目标，所以只有红蓝框。
论文详细描述了当前旋转目标检测的主要问题，提出将旋转回归目标定义为高斯分布，使用Wasserstein距离度量高斯分布间的距离用于训练。...，相对于水平的目标检测，旋转目标检测仍处于起步阶段。...论文的主要贡献有以下几点： 总结了旋转目标检测的三个主要问题。...从上面的分析可以看出，在旋转目标检测领域，IoU损失更能填补评判准则与回归损失间的差异。但很遗憾，在旋转目标检测领域，两个旋转bbox间的IoU计算是不可微的，不能用于训练。...Conclusion *** 论文详细描述了当前旋转目标检测的主要问题，提出将旋转回归目标定义为高斯分布，使用Wasserstein距离度量高斯分布间的距离用于训练。
, volume={31}, pages={1895--1910}, year={2022}, publisher={IEEE} } Name Value 标签 #遥感 #标签分配 #旋转目标检测...数据集 #DOTA #DOTAv2 #SKU10-R #SSDD 目的 解决旋转目标检测任务中，采样策略没有考虑目标的形状和方向特性的问题。...问题背景 作者提到近年来，大多数做旋转目标检测的方法都是设计复杂的网络结构以使得提取的特征分布接近GT的分布。然而改进模型结构不是提升性能的唯一解决途径。...下图可见，一个完整的检测流程包括：数据；标签分配（正负样本划分）；模型结构；目标函数（损失）。...因此一个上述标签分配策略都没有考虑目标的旋转和形状特性，故而存在很多不足。此外，即便得到了更好的训练样本空间，还需要一个合适的目标函数来引导模型学到更高质量的特征。
roLabelImg is a graphical image annotation tool can label ROTATED rectangle regi...
归纳总结 标签 目的 方法 总结 #遥感 #单阶段 #Anchor 针对单阶段精炼检测器特征未对齐的问题，提出了FRM模块 RRetinaNet Based,FRM,SkewIou 精炼 2....问题背景 作者称对于旋转目标检测存在三个挑战： 大宽高比 密集排列 方向任意 3....主要工作 针对上述问题，作者提出了R3Det，其主要工作如下： image.png progressive regression： 作者发现旋转框在密集场景下的能有较好的目标检测精度，而水平框能达到更好的召回率...，因此使用了这两种形式的框进行组合，具体做法是第一阶段检测水平框，从而提升检测速度，提高召回率，第二阶段也就是精炼阶段（refinement stage）检测旋转框，以适应密集目标的检测。...approximate SkewIoU loss：为解决Skew IoU计算不可微的问题，设计了一种近似SkewIoU损失，以获得更精确的旋转估计。
特征金字塔（Feature pyramids）是识别系统中用于检测不同尺度目标的基本组件。但是最近的深度学习目标检测器已经避免了金字塔表示，部分原因是它们是计算和内存密集型的。...此外，我们的方法可以在 GPU 上以 6 FPS 的速度运行，因此是一种实用且准确的多尺度目标检测解决方案。代码将公开发布。 1....他们的目标是生成一个高分辨率的单一高级特征图，在其上进行预测（图 2 顶部）。相反，我们的方法利用架构作为特征金字塔，其中预测（例如，目标检测）在每个层级上独立进行（图 2 底部）。...在 HOG 和 SIFT 之前，使用 ConvNets [38, 32] 进行人脸检测的早期工作计算了图像金字塔上的浅层网络，以跨尺度检测人脸。 深度卷积网络目标检测器。...Feature Pyramid Networks for RPN RPN [29] 是一种与类无关的滑动窗口目标检测器。
本文主要是讨论旋转目标检测中anchor匹配机制的问题和一些思考。 论文地址：arxiv.org/abs/2012.0415....对于旋转目标检测而言，预设旋转anchor要额外引入角度先验，使得预设的anchor数目成倍增加。 此外，旋转anchor角度稍微偏离gt会导致IoU急剧下降，所以预设的角度参数很多。...4 实验 旋转目标的实验上采取了四个数据集：三个遥感数据集DOTA，HRSC2016，UCAS-AOD和一个文本检测数据集ICDAR2015。...为了证明我们的方法能够有效提取高质量的anchor，从而减少旋转目标检测中anchor的预设，缓和不平衡问题，我们在特征图每个位置仅仅使用了3个水平的anchor，文本检测由于目标宽高全都很常悬殊，采用...开源程序或者论文上有问题疑惑欢迎提问和联系，遥感旋转目标检测相关方向的同学欢迎一起交流学习。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM
