带角度的检测框 | 校准的深度特征用于目标检测(附实现源码)

• 启发式定义的anchor质量低，不能覆盖目标，导致目标和anchor之间的错位。例如，桥的展宽比通常在1/3到1/30之间，只有少数anchor甚至没有anchor可以校准。这种错位通常加剧前景背景类的不平衡，阻碍性能。

• 主干网络的卷积特征通常与固定的接受场进行轴对齐，而航空图像中的目标则以任意的方向和不同的外观进行分布。即使是anchor boxes被分配给具有高可信度的实例（即IoU），anchor boxes与卷积特征之间仍然存在错位。换句话说，anchor boxes的相应特征在某种程度上难以表示整个目标。结果，最终的分类分数不能准确地反映定位精度，这也阻碍了后处理阶段的检测性能（如NMS）。

相同设置下不同方法的性能比较

三、新框架分析

• RetinaNet as Baseline

注意，RetinaNet设计用于通用目标检测，输出水平边界框（如下图(a)）表示为：

为了与面向目标检测相兼容，研究者将定向边界框代替RetinaNet的回归输出。如上图(b)，表示为：

其实就是增加了一个角度参数，角度θ范围[-π/4，3π/4]。

• Alignment Convolution

直接上图，看图说话。

如图所示。通过规则网格在特征图上的标准卷积样本。DeformConv学习一个偏移场来增加空间采样位置。然而，它可能会在错误的地方采样，特别是对于包装密集的物体。研究者提出的AlignConv通过添加一个额外的偏移字段的anchor boxes引导来提取网格分布的特征。与DeformConv不同，AlignConv中的偏移字段是直接从anchor boxes推断出来的。上图中的例子。(c)和(d)说明了AlignConv可以在anchor boxes中提取准确的特征。

(a)是标准的常规采样位置二维卷积（绿点）。(b)为Deformable Convolution，具有可变形采样位置（蓝点）。(c)和(d)是研究者提出的具有水平和旋转anchor boxes(AB)的两个例子（橙色矩形），蓝色箭头表示偏移字段。

• Feature Alignment Module (FAM)

采用输入特征和anchor预测。映射为输入，并生成对齐的特征。

• Oriented Detection Module (ODM)

ODM以缓解分类分数和定位精度之间的不一致性，然后进行精确的目标检测。

四、实验及可视化

不同的RETINANET在DOTA数据集上的结果

研究者将一个大尺寸的图像裁剪成1024×1024chip图像，步长为824。将大尺寸图像和chip图像输入相同网络，以不调整大小即可产生检测结果（例如红框中的飞机）。

不同的方法在DOTA数据集上的结果

在HRSC2016数据上的测试结果

上图的检测结果，在军事或者码头都有前景的研究，码头可以减少人工调度的工作，军事就可以更加准确的进行攻击及反击。如之前贡献的一个技术：

计算机视觉来看看苏伊士运河堵船（船舶检测）

转载请联系本公众号获得授权

• Sparse R-CNN：稀疏框架，端到端的目标检测（附源码）
• 
  
• 
  
•