【阅读笔记】旋转目标检测R3Det与BBAvector
最近一个项目需要检测地物带方向的旋转框,于是看了下相关内容,用了R3Det和BBAVectors。这里做下记录。
旋转目标检测
- 定向包围框OBB(oriented bounding box),水平包围框HBB(horizontal bounding box)
- 旋转目标检测的挑战:目标纵横比较大 排列紧密,类别不平衡,目标比例差异,遥感图像目标的比例变化很大,传感器的空间分辨率
- 水平anchor高召回率,旋转anchor密集场景适应性
上面是三种OBB定义方式。(a) opencv定义法(90∘-regression-based,[x,y,w,h,θ]):角度θ是指框与x轴所成的锐角,并且框的这条边记为w,另一条边记为h,因此角度的表示范围是[−90,0)。
(b) 长边定义法(180∘-regression-based,[x,y,h,w,θ]):角度θ是指框的长边h与x轴所成的夹角,因此角度的表示范围是[−90,90)。© 有序四边形定义法(Point-based, [x1,y1,x2,y2,x3,y3,x4,y4][x{1},y{1},x{2},y{2},x{3},y{3},x{4},y{4}][x1,y1,x2,y2,x3,y3,x4,y4] ):最左边的点(如果水平矩形的话有两个点满足取上面的那个)为起始点,逆时针排列。
R3Det
上交和旷世2019提出的旋转目标检测网络,有mmdetection版本
这是一个单阶段的目标检测网络。
1)RetinaNet
采用FPN作为backbone,提出focal loss来解决类别不平衡的问题,使用水平anchor,更快速的获得更多的proposals(后续refinement阶段使用refined旋转anchors以适应密集场景),回归时多了一个方向θ,共五个参数表示旋转框。由于倾斜交并比分数对角度很敏感,因此需要对预测框的精炼以提高旋转目标检测的召回率。
2)特征精炼模块
这个模块是为了重建特征图与框对齐,先双路卷积,再根据refined bboc的五个坐标双线性插值得到更精准的特征向量。遍历特征点后,将重建整个特征图。如下图所示。
BBAVectors
思路比较简单,先用CenterNet检测物体中心点,然后回归一个包围框的边缘感知向量(BBAVectors)来得到有方向的包围框。
CenterNet是一个Anchor-free的方法,U型结构,先ResNet卷积5次,在上采样,得到一个原始图像1/4大小的特征图。然后使用Heatmap用来定位关键点。这里,我们用来检测物体的中心点。Heatmap有k个通道,分别对应了不同类别的物体。Heatmap的每个像素点的值表示物体的置信度。然后在直接回归宽和高。那为什么不能直接回归旋转角θ呢,因为小的旋转可能对于loss来说微不足道,但会使IOU变化较大。于是本文设计了四个向量BBAVectors来描述包围框,这样就需要回归总计4*2+2=10维特征向量。
后面由于我们的任务不仅要得到OBB,还要得到车头的方向,于是在此基础上多回归了一个车头方向的向量,B=[t,r,b,l,w,h]变为B=[t,r,b,l,d,w,h],效果还不错。
【阅读笔记】旋转目标检测R3Det与BBAvector相关推荐
- 论文阅读笔记 | 三维目标检测——PointRCNN
如有错误,恳请指出. 文章目录 1. 背景 2. 网络结构 2.1 Proposal Generation 2.2 Proposal Refinement 3. 实验部分 3.1 kitti上的测评 ...
- 『论文阅读笔记』目标检测模型中的性能评价方式-IOU、precision/recall、mAP、PR、Fps!
目标检测模型中的性能评估标准-IOU.precision/recall.mAP.PR.Fps! 文章目录 一.交并比IOU 二.精确率(precision)和召回率(recall) 三.P-R(pre ...
- 论文阅读笔记 | 三维目标检测——PartA2算法
如有错误,恳请指出. 文章目录 0. 前言与补充知识 1. 背景 2. 相关工作 3. 网络结构 3.1 Part-aware stage Anchor-free Proposal Generatio ...
- 论文阅读笔记 | 三维目标检测——3DSSD
如有错误,恳请指出. 文章目录 1. 背景 2. 网络结构 2.1 特征提取 2.2 边框生成 3. 实验结果 paper:<3DSSD: Point-based 3D Single Stage ...
- 论文阅读笔记 | 三维目标检测——Complex-YOLO算法
如有错误,恳请指出. 文章目录 1. 背景 2. 网路结构 3. 实验结果 paper:<Complex-YOLO: An Euler-Region-Proposal for Real-time ...
- 论文阅读笔记 | 三维目标检测——VoxelNet算法
如有错误,恳请指出. 文章目录 1.背景 2. 网络结构 2.1 体素特征表示 2.2 卷积特征提取 2.3 RPN网络 3. 实验结果 paper:<VoxelNet: End-to-End ...
- 论文阅读笔记 | 三维目标检测——VoxelRCNN算法
如有错误,恳请指出. 文章目录 1. 背景 2. 网络结构 Voxel Query Voxel ROI Pooling Accelerated Aggregation Loss Compute 3. ...
- 论文阅读笔记 | 三维目标检测——MV3D算法
如有错误,恳请指出. 文章目录 1. 背景 2. 网络结构 2.1 提案投影网络 2.2 区域融合网络 3. 实验结果 paper:<Multi-View 3D Object Detection ...
- 旋转目标检测 校准的深度特征用于目标检测SSA
目录 旋转目标检测rotation-yolov5 旋转目标检测综述 SSA旋转目标检测 旋转目标检测rotation-yolov5 旋转目标检测rotation-yolov5笔记_AI视觉网奇的博客- ...
- GWD:基于高斯Wasserstein距离的旋转目标检测 | ICML 2021
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.目前,常规目标检测也有很多将回归转化为概率分布函数的做法,本 ...
最新文章
- JAVA并发之多线程基础(2)
- JavaFx 实用小工具超 60+ 大集合
- 正则表达式 \w \d . \s常用字符的简写
- Java编程中写出好代码的建议
- win系统下mysql忘记root账户密码的解决办法
- java string 类 上机_java上机试题
- c++ 返回智能指针_C++核心指南(17) I.11 禁止使用指针(T*)或引用(T)来转移所有权...
- Vue生命周期和钩子函数的一些理解
- Android编程之SparseArrayE详解 Android编程之SparseArrayE详解
- CH Round #72树洞[二分答案 DFSBFS]
- J2EE 领域的一些技术框架结构图
- Java学习之基本概念
- 强引用、软引用、弱引用、虚引用、终结器引用
- C++高校水电费管理系统
- 一个很好的网址,Visio 使用教程
- 计算机英语第二版期末翻译试题答案,开放英语I期末翻译测试题
- Remember this!
- 公有云、私有云和混合云介绍
- 华师大的计算机专业属于提前批吗,关于华师大、上师大提前批的问题
- 你的人生经验,究竟是在帮你,还是在毁你?