论文标题：Oriented RepPoints for Aerial Object Detection

论文链接：https://arxiv.org/abs/2105.11111

作者单位：浙江大学

Oriented RepPoints 旋转目标检测新网络，表现SOTA！性能优于FR-Est-FPN、O2 -DNet等网络，

与定向边界框相比，point set表示具有很大的潜力来捕获航空图像中具有任意方向，宽高比和密集分布的实例的详细结构。然而，传统的基于点集的方法是使用点对点监督在固定位置上手工制作的，这损害了它们在细粒度特征提取上的灵活性。为了解决这些限制，在本文中，我们提出了一种新的航空目标检测方法，称为Oriented RepPoints。具体来说，我们提出采用一组自适应点来捕获任意定向物体的几何和空间信息，从而能够在空间和语义场景中自动将其自身布置在对象上。为了促进监督学习，提出了定向转换函数，以将自适应点集显式映射到定向包围盒中。此外，我们引入了一种有效的质量评估方法来选择要训练的点集样本，从而可以根据代表性项目在定向目标检测方面的潜力来选择代表性项目。此外，我们提出使用空间约束来惩罚真实边界框外部的离群点。除了关注重叠率的传统评估指标mAP之外，我们还提出了一种新的指标mAOE来测量方向精度，而该精度通常在先前有关定向目标检测的研究中被忽略。对三个广泛使用的数据集（包括DOTA，HRSC2016和UCAS-AOD）进行的实验表明，我们提出的方法是有效的。

内容中包含的图片若涉及版权问题，请及时与我们联系删除