FCOSR: A Simple Anchor-free Rotated Detector for Aerial Object Detection阅读笔记

最新推荐文章于 2024-11-26 20:28:31 发布

不知道叫啥好一点

最新推荐文章于 2024-11-26 20:28:31 发布

阅读量5.7k

点赞数 5

分类专栏： anchor free目标检测文章标签：目标检测

本文链接：https://blog.csdn.net/A_A666/article/details/121564556

版权

FCOSR论文阅读笔记

(一) Title

在这里插入图片描述
论文地址:https://arxiv.org/abs/2111.10780
项目地址:https://github.com/lzh420202/FCOSR

(二) Summary

研究背景:

现有的基于anchor-based方法的旋转框检测算法需要手动设置预设框,引入了额外的超参数和计算。基于anchor-free的方法通常具有复杂的体系结构,不容易部署。

本文方法:

本文提出了一个一阶段的带有角度旋转的检测框架FCOSR,一看就是基于FCOS架构,并且将二维高斯分布也引入进来了。这个工作主要关注的是在训练过程中的label assignment策略，包括：

采用ellipse center sampling方法来给旋转框(oriented bounding boxes)定义一个合适的采样区间

对于overlapping的目标区域，通过fuzzy sample assignment提供了一个更加合理的标签。

通过multi-level sampling模块解决了不充分采样的问题。

实验效果:

算法在DOTA1.0，DOTA1.5以及HRSC2016数据集上的map分别为79.27,75.41以及90.15。FCOSR在one-stage中优于其他的目标检测器。
将一个轻量网络转换成TensorRT格式,在Jetson Xavier NX上进行部署，在DOTAv1上10.68FPS,实现了73.93的mAP.

(三) Method

在这里插入图片描述
网络基于FCOS架构，直接预测中心点,长宽以及旋转角度。通过label assignment module定义特征图的输出，去掉了centerness分支。

3.1 网络输出

输出两个分支，分类分支是一个 $C$ 维的类别向量，回归分支包括一个5维的向量，这个5维向量的符号表示为 $(Reg_x,Reg_y,Reg_w,Reg_h,Reg_\theta)$ ,需要经过变换得到最终边界框 $offset_x,offset_y,w,h,angle)$ ，并且对边界框的要求是偏移量可以是负数，宽和高必须是正数，角度范围必须限制在0-90。将回归分支输出变换到最终边界框的计算公式为：
$\begin{array}{l} \text { offset }_{x y}=\operatorname{Reg}_{x y} \cdot k \cdot s \\ w h=\left(\operatorname{Elu}\left(\operatorname{Reg}_{w h} \cdot k\right)+1\right) \cdot s \\ \theta=\operatorname{Mod}\left(\operatorname{Reg}_{\theta}, \pi / 2\right) \end{array}$

最低0.47元/天解锁文章