Oriented R-CNN 阅读笔记

Oriented R-CNN for Object Detection（ICCV 2021）
- 摘要
- 引言
- Oriented R-CNN
- - Oriented RPN
  - - Midpoint Offset Representation
    - Loss Function
  - Oriented R-CNN Head
  - - Rotated RoIAlign
- 实验结果
- - 召回率
  - DOTA数据集上与SOTA的对比
  - HRSC2016数据集上与SOTA的对比
  - DOTA数据集上速度与准确率对比

Oriented R-CNN for Object Detection（ICCV 2021）

论文链接：论文链接
代码链接：代码链接

摘要

传统two-stage检测器通过产生oriented proposals来进行OBB检测，十分耗时
Oriented R-CNN是一个two-stage检测器：第一个stage使用oriented RPN产生高质量OBB；第二个stage是oriented R-CNN head用来细化oriented RoIs并进行识别
DOTA上75.87%mAP，HRSC2016 96.50%mAP，1024×1024图片在RTX 2080Ti上有15.1FPS

引言

产生oriented proposals的三种方案

Oriented R-CNN

Oriented RPN

编码：Oriented RPN 网络输出 offset δ=(δx,δy,δw,δh,δα,δβ)\delta=(\delta_x,\delta_y,\delta_w,\delta_h,\delta_\alpha,\delta_\beta)δ=(δx,δy,δw,δh,δα,δβ)，因此特征图上的每一个点有 6A 个输出（A是每个点上的anchor数目）
解码：（所有的参数含义可以从上面那张结构图里面知道）

Midpoint Offset Representation

Loss Function

p∗∈{0,1}p^*\in \{0,1\}p∗∈{0,1} 表示每一个anchor属于一个正样本或者负样本，pi∗p^*_ipi∗表示该anchor对应的gt的真实label，δi\delta_iδi 和 ti∗t^*_iti∗分别表示预测的OBB和真实的OBB

获得的预测box可能带有仿射变换，如下图

Oriented R-CNN Head

Rotated RoIAlign

将上述蓝色框较短的对角线延长至和较长对角线一样的长度，得到一个矩形框

将oriented rectangular投影到stride为 sss 的特征图 FFF 上，然后通过RoI操作进行特征提取得到最右边的规格为 m×mm×mm×m 的特征图 F′F'F′ （mmm 默认为7）
特征图 F′F'F′ 的第 ccc 通道上的点 (i,j)(i, j)(i,j) 用以下公式计算
其中 FcF_cFc 是第 ccc 个通道的特征，nnn 是每个网格内定位的样本数， area(i,j)area(i,j)area(i,j)是包含在索引 (i,j)(i,j)(i,j) 的网格中的坐标集，R(⋅)R(·)R(⋅) 是一个旋转变换

实验结果

召回率

分别在每张图片中选择top-300、top-1000、top-2000个最高得分的proposals用 R300、R1000、R2000R_{300}、R_{1000}、R_{2000}R300、R1000、R2000 表示，结果如下图

DOTA数据集上与SOTA的对比

HRSC2016数据集上与SOTA的对比

DOTA数据集上速度与准确率对比

[论文笔记] Oriented R-CNN 阅读笔记相关推荐

linux软raid阅读笔记,linux_软RAID阅读笔记.pdf
linux_软RAID阅读笔记.pdf RAID 读笔记前言 1 1 RAID 概述 1 1.1 RAID 在linux 内核中的位置 2 1.2 mdadm 3 1.3 参考文献 3 2 RAID ...
2021年CVPR论文Deep Two-View Structure-from-Motion Revisited阅读笔记
这篇博客分享的是2021年发表于CVPR上的一篇论文<Deep Two-View Structure-from-Motion Revisited>.该论文使用深度学习的方法,按照经典的 ...
【论文笔记】Swin-Transformer系列阅读笔记
一.Swin Transformer V1 paper:Swin Transformer: Hierarchical Vision Transformer using Shifted Windows ...
Qt工作笔记-Qt文档阅读笔记-qualifiedName()的官方解析及XML使用名称空间
目录官方解析博主例子官方解析 QXmlStreamReader::qualifiedName() 返回StartElement或EndElement的限制名: 限制名是XML数据中元素的原始名称 ...
Qt工作笔记-Qt文档阅读笔记-setMouseTracking（无需按下移动使得widget获取鼠标位置）
目录官方解析如下小栗子官方解析如下这个属性说明在widget上鼠标的轨迹是否被开启. 如果鼠标轨迹估计被关闭(默认是关闭的)widget只能接收鼠标按下并且移动后的这种鼠标移动事件. 如果轨迹 ...
论文阅读笔记之——《Recovering Realistic Texture in Image Super-resolution by Deep Spatial Feature Transform》
本博文是文章<Recovering Realistic Texture in Image Super-resolution by Deep Spatial Feature Transform&g ...
VINS-Mono代码阅读笔记（十四）：posegraph的存储和加载
本篇笔记紧接着VINS-Mono代码阅读笔记(十三):posegraph中四自由度位姿优化,来分析位姿图的存储和加载. 完整(也是理想的)的SLAM的使用应该是这样的:搭载有SLAM程序的移动设备在一 ...
Android 笔记之 R 文件
Android笔记之R文件阅读目录介绍 R 文件的内容介绍通过 R 文件引用资源一.R 文件的内容在 Android Studio 中 R 文件位于 app -> build -&g ...
VINS-Mono代码阅读笔记（十）：vins_estimator中的非线性优化
本篇笔记紧接着VINS-Mono代码阅读笔记(九):vins_estimator中的相机-IMU对齐,初始化完成之后就获得了要优化的变量的初始值,后边就是做后端优化处理了.这部分对应论文中第VI部分, ...
《Java疯狂讲义》第3章(数据类型和运算符)：博主李俊德的阅读笔记与知识拓展
一.问题背景博主在准备应聘的笔试.面试时,再次采用了多年以来的Java工具书<Java疯狂讲义>,并决定在每章详细复习后都要在博客中写下详细的阅读笔记. 二.阅读笔记与知识拓展--< ...

[论文笔记] Oriented R-CNN 阅读笔记

Oriented R-CNN 阅读笔记

Oriented R-CNN for Object Detection（ICCV 2021）

摘要

引言

Oriented R-CNN

Oriented RPN

Midpoint Offset Representation

Loss Function

Oriented R-CNN Head

Rotated RoIAlign

实验结果

召回率

DOTA数据集上与SOTA的对比

HRSC2016数据集上与SOTA的对比

DOTA数据集上速度与准确率对比

[论文笔记] Oriented R-CNN 阅读笔记相关推荐

最新文章

热门文章