Towards More Robust Detection for Small, Clutteredand Rotated Objects
(对小的、杂乱的和旋转的物体进行更稳健的检测)
开源代码:https://github.com/DetectionTeamUCAS
论文地址:https://arxiv.org/abs/1811.07126
摘要(Abstract)
目标检测一直是计算机视觉的一个重要组成部分。虽然已经取得了相当大的进展,但对于小尺寸、任意方向、密集分布的物体仍然存在挑战。除了自然图像外,这些问题对于非常重要的航空图像尤其突出。本文提出了一种新的多目标旋转检测器,即SCRDet。设计了一种融合多层特征和有效锚点采样的采样融合网络,提高了对小目标的灵敏度。同时,通过抑制噪声和突出物体特征,探索了监督像素注意网络和通道注意网络对小而杂乱物体的检测。为了更精确的旋转估计,在平滑的L1损失中加入IoU常数因子来解决旋转边界盒的边界问题。在两个遥感公共数据集DOTA, NWPU VHR-10,以及自然图像数据集COCO, VOC2007和场景文本dataicdar2015上进行了大量的实验,展示了我们的探测器的最新性能。
介绍(Introduction)
作者通过对一些现象的分析
提出三个问题
- 小对象。航拍图像往往包含了被复杂的环境场景淹没的小物体。
- 凌乱的安排。被探测的物体通常密集排列,例如车辆和船只。
- 任意方向。航空图像中的物体可以以不同的方向出现。
网络框架