OBBStacking: An Ensemble Method for Remote Sensing Object Detection

要約

アンサンブル法は、複数のモデルを組み合わせて優れたパフォーマンスを実現するための信頼できる方法です。
ただし、リモートセンシングオブジェクト検出シナリオでのアンサンブル法の適用に関する研究は、ほとんど見落とされています。
2 つの問題が発生します。
まず、リモート センシング オブジェクト検出の固有の特徴の 1 つは、オブジェクトのオリエンテッド バウンディング ボックス (OBB) であり、複数の OBB の融合にはさらなる研究が必要です。
第 2 に、広く使用されている深層学習オブジェクト検出器は、検出された各オブジェクトのスコアを信頼度の指標として提供しますが、これらの指標をアンサンブル法で効果的に使用する方法は依然として問題です。
これらの問題に対処するために、この論文では、OBB と互換性があり、学習された方法で検出結果を結合するアンサンブル手法である OBBStacking を提案します。
このアンサンブル手法は、\textit{自動化された高解像度地球観測画像解釈に関する 2021 Gaofen チャレンジ} で特集されたチャレンジ トラック \textit{高解像度光学画像におけるきめ細かい物体認識} で 1 位を獲得するのに役立ちます。
DOTA データセットと FAIR1M データセットの実験では、OBBStacking のパフォーマンスの向上が実証され、OBBStacking の機能が分析されます。

要約(オリジナル)

Ensemble methods are a reliable way to combine several models to achieve superior performance. However, research on the application of ensemble methods in the remote sensing object detection scenario is mostly overlooked. Two problems arise. First, one unique characteristic of remote sensing object detection is the Oriented Bounding Boxes (OBB) of the objects and the fusion of multiple OBBs requires further research attention. Second, the widely used deep learning object detectors provide a score for each detected object as an indicator of confidence, but how to use these indicators effectively in an ensemble method remains a problem. Trying to address these problems, this paper proposes OBBStacking, an ensemble method that is compatible with OBBs and combines the detection results in a learned fashion. This ensemble method helps take 1st place in the Challenge Track \textit{Fine-grained Object Recognition in High-Resolution Optical Images}, which was featured in \textit{2021 Gaofen Challenge on Automated High-Resolution Earth Observation Image Interpretation}. The experiments on DOTA dataset and FAIR1M dataset demonstrate the improved performance of OBBStacking and the features of OBBStacking are analyzed.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google