17:Oriented R-CNN for Object Detection
1.介绍
不同方案生成定向proposals的比较。(a)旋转RPN密集放置不同尺度、比例和角度的旋转锚点。(b)水平RoI的RoI Transformer+学习型方案。它包括RPN、RoI对齐和回归。(c)我们建议的面向RPN以几乎零成本的方式产生高质量的建议。定向RPN的参数数约为RoI Transformer+的1/3000和旋转RPN的1/15。
目前最先进的两级detector通过耗时的方案产生定向proposals。这降低了detector的速度,成为面向先进目标检测系统的计算瓶颈。本文提出了一种有效而简单的面向对象检测框架,称为Oriented R-CNN,它是一种通用的两级面向对象检测框架,具有良好的检测精度和效率。具体来说,在第一阶段,我们提出了一个面向ROI网络(面向RPN),它可以直接以几乎零成本的方式生成高质量的ROI。第二阶段是定向的R-CNN头,提炼定向roi并进行识别。orient R-CNN ResNet50达到最先进的detection精度。
DOTA上达到了75.87%的mAP,在HRSC2016上达到了96.50%的mAP。
Oriented R-CNN在backbone产生feature_map后主要分为两个阶段,第一个阶段是Orieated RPN该阶段的回归branch中增加了两个回归参数。并且,本文提出了midpoint offset (中心点偏移)的方法来表示proposal。第二阶段是Orieated R-CNN detection head,利用rotated RoI alignment从每个proposal中提取固定大小的特征向量来进行分类和回归。
2.方法
图片输入之后,经过backbone生成特征图,将特征图送入oriented RPN中,生成一系列的高质量的oriented proposals,再将这些proposals和特征图一块送入第二阶段的oriented R-CNN Head中,对每个proposal进行变形(固定大小的特征向量)后送入FC层,最后经过两个分支输出分类结果和位置回归结果。
Loss Function
每个anchor都设置一个binary label记为p,用来标记是正样本(1)还是负样本(0)。
正样本:(i) IoU>=0.3 && 对某一 GT box有最大的IOU。(ii) 与任意一个GT Box的IOU>=0.7
负样本:IOU<0.3
else 不是正样本也不是负样本。
(注:GT box是oriented bbox的外接矩形框)
Loss function 定义如下
其中前半部分是分类损失,p和p*分别是实际值和预测值,Fcls是交叉熵损失。后半部分是回归损失,Freg是 Smooth L1 损失。
proposals的选择
在oriented RPN阶段,为了减少proposal的数量,已减小计算量。本文在每个level的特征图上选择了2000个proposals,并进行NMS。
通过proposal可以计算出预测框的四个点v1-v4,然后要想办法将这个框映射到每一level的特征图上。
首先选择短对角线。然后再利用SPPnet中的思想,通过不停地池化,将映射在特征图上的红框变成固定大小m*m的特征向量。这样每个proposal就能得到一个固定大小的特征向量,便于后面送入FC中进行分类和回归。
3.实验
17:Oriented R-CNN for Object Detection相关推荐
- [caffe]深度学习之CNN检测object detection方法摘要介绍
[caffe]深度学习之CNN检测object detection方法摘要介绍 2015-08-17 17:44 3276人阅读 评论(1) 收藏 举报 一两年cnn在检测这块的发展突飞猛进,下面详 ...
- 目标检测-Oriented RepPoints for Aerial Object Detection(CVPR 2022)
目标检测-Oriented RepPoints for Aerial Object Detection(CVPR 2022) 论文地址:Oriented RepPoints for Aerial Ob ...
- 【OrientedRepPoints】Oriented RepPoints for Aerial Object Detection核心点概括
论文地址:https://arxiv.org/abs/2105.11111 翻译:https://blog.csdn.net/songyuc/article/details/128227048 一.概 ...
- 文献翻译2:AOPG: Anchor-free Oriented Proposal Generator for Object Detection
文献翻译2:AOPG: Anchor-free Oriented Proposal Generator for Object Detection AOPG: Anchor-free Oriented ...
- 论文阅读:Oriented RepPoints for Aerial Object Detection (CVPR 2022)
paper:https://arxiv.org/abs/2105.11111 code:GitHub - LiWentomng/OrientedRepPoints: The code for &quo ...
- 【OrientedRepPoints】Oriented RepPoints for Aerial Object Detection的译读笔记
Oriented RepPoints for Aerial Object Detection 摘要 与通用目标不同,航空目标通常不是正轴对齐而且具有任意的方向,且周围背景较为杂乱.与主流方法使用边 ...
- Oriented RepPoints for Aerial Object Detection
Oriented RepPoints for Aerial Object Detection paper:https://arxiv.org/abs/2105.11111 摘要 航空目标通常是非轴对齐 ...
- 论文精度笔记(五):《Micro-YOLO: Exploring Efficient Methods to Compress CNN based Object Detection Model》
作者单位:港大, 同济大学, 字节AI Lab, UC伯克利 文章目录 论文以及源码获取 论文题目 参考文献 1. 研究背景 2. 贡献 3. 相关工作 3.1 DSConv 3.2 MBConv 3 ...
- 论文阅读:Saliency-Guided Region Proposal Network for CNN Based Object Detection
论文阅读:Saliency-Guided Region Proposal Network for CNN Based Object Detection (1)Author (2)Abstract (3 ...
- 论文解读《Micro-YOLO: Exploring Efficient Methods to Compress CNN based Object Detection Model》
论文:Micro-YOLO: Exploring Efficient Methods to Compress CNN based Object Detection Model 基于CNN的目标检测模 ...
最新文章
- UVA10763交换学生
- Spring中AOP相关的API及源码解析,原来AOP是这样子的
- python自动控制生产线输送线_一个关于自动化装配生产线结构组成案例,易懂干货...
- XML编辑器之XMLSpy2005
- machine ID问题 ( u-boot设置machine id , set mach_type 0x16a )
- Shell脚本编程30分钟入门
- seafile安装教程 Linux,CentOS7安装seafile开源版
- js正则表达式——数字校验
- 设计模式一(抽象工厂模式)
- 微软商店下载的python_Python 登录微软 Win10 应用商店
- 【GNSS】坐标系统
- 在线制作GeoJSON地理信息文件
- 【10086个赞】Cocos Creator助力H5游戏大爆发
- xp计算机u盘重装系统,处理a豆电脑u盘重装系统xp步骤
- 未来电竞旗舰:iQOO 8系列售价3799元起
- EasyRecovery最新中文Win/Mac全版本下载安装激活数据恢复软件
- Explaining Deep Neural Networks
- 网站签到时Cookie的获取方法
- java对txt文件操作_Java读取txt文件信息并操作。
- maven-surefire-plugin