旋转目标检测：Gaussian Synthesis for High-Precision Location in Oriented Object Detection【方法解析】

基于高斯合成的高精度定向目标检测

摘要

在航空图像场景中，目标具有任意方向、大规模范围和密集分布的特性。因此，目标检测器使用定向边界框（OBB）来定位目标，这比水平边界框（HBB）检测器更复杂和具有挑战性。主流的OBB检测器大多采用一对多的标签分配策略来预测同一目标的多个边界框，并通过非极大值抑制（NMS）来过滤重复预测。NMS根据置信度进行排序，并丢弃交并比（IoU）高于阈值的检测框，这使得很容易获得局部最优结果。聚类合成方法比原始NMS得到的结果更准确，但将其应用于OBB检测器会导致边界偏移，这源于角度不连续性问题。因此，我们使用高斯OBB（G-OBB）来处理角度不连续性，从而消除直接合成产生的偏移。G-OBB不易理解和描述表示。为此，我们分析了G-OBB的特性，并设计了一种解码方法，将G-OBB转换为旋转矩形框，进一步讨论了其条件。基于解码方法，我们提出了一种高斯合成（GauS）算法，该算法将OBB转换为高斯空间，然后进行合成，最后将合成结果转换回新的OBB。我们推导了合成和解码方法，并进一步验证了其有效性。对多个现有模型的广泛实验表明，GauS计算量很小，并提高了检测器的高精度性能。广泛的实验验证了所提算法的有效性、稳定性和通用性。此外，使用GauS的RTMDet在AP50上达到了81.61的性能，并在平均精度（mAP）上获得了0.39%的提升，达到了最先进（SOTA）的性能。我们的实现可在