Gliding Vertex解读

Gliding vertex on the horizontal bounding box for multi-oriented object detection，ECCV，2020

        论文提出：五参数回归法对角度很敏感，很容易误检，而八参数回归法可以避免角度这个问题，但在八参数法四边形定义四个角的顺序时很麻烦（可以看下面的REDet中的解释）。为了避免这个问题，作者提出了一种巧妙的方法。

        没有pytorch源码，个人感觉他是先用dota数据集里的8参数定义倾斜框法的那四个顶点坐标去获得外接水平框的坐标，计算真实的倾斜框顶点的offest和倾斜因子；然后再rpn预测得到水平框，fast-rcnn部分再去预测得到offest和倾斜因子（但我感觉很奇怪，定好loss后想预测什么就预测什么，让神经网络硬学，真的有理论依据吗？）。最后根据倾斜因子去输出水平框或者是倾斜框，倾斜框的后处理用的是倾斜nms。论文主要部分如下：

        作者提出用一个水平框将倾斜的目标框住，然后水平框的四个顶点在水平框的四条边上滑动，计算倾斜框的4个顶点的length ratios（顺时针），即计算四个顶点沿着水平框相对于水平框的顶点的偏移量，来解决四个角顺序不定的问题，如下图： 

如果alpha=1，则目标框是水平的

        其实这种方法也存在边界问题：就是比如说gtbox是基于水平方向时略微顺时针转了一点，proposals时基于水平方向时略微逆时针转了一点，两明明是差不多的，但是损失却很大。作者为了避免这个问题，引入了基于面积计算的倾斜因子r=area(O)/area(Bh) ，也就是倾斜框与水平框面积之比来判断目标预测框的倾斜程度，r越接近于1，则说明目标预测框越接近水平，并且对于大横纵比的倾斜的目标，r接近于0。这样的话接近水平的目标就可以直接用水平框来表示，倾斜的目标才需要精确的回归。因此，其实近似水平框的那种情况是存在误差的。

网络的结构和faster-rcnn的几乎一样，只是多了五个变量alpha{1,2,3,4}和r。gtbox由三个信息组成：水平框(x,y,w,h)，alpha{1,2,3,4}，r。

        RPN部分的损失和faster-rcnn的一样，最后的损失是：

其中两个N是proposals总数，p*=1 if 正样本 else 0，

Lh就是水平边界框损失