Point RCNN: An Angle-Free Framework for Rotated Object Detection

要約

空中画像における回転物体検出は、任意の方向、大きなスケールとアスペクト比の変動、物体の極端な密集のために、依然として困難な課題である。既存の最先端の回転物体検出手法は、主に角度に基づく検出器に依存しています。しかし、角度回帰は長年の課題である境界問題に容易に悩まされることになる。この問題に対処するため、我々はPoint RCNNと呼ばれる、主にPointRPNとPointRegからなる純粋に角度のない回転物体検出のためのフレームワークを提案する。 特にPointRPNは、RepPointsによって動機付けられた粗-細方式で学習した代表点を変換することによって正確な回転ROI (RRoIs) を生成する。また、PointRegは、学習したRRoIを基に、より正確な検出のための角点の絞り込みを行う。また、航空写真ではカテゴリが著しく偏ることが多く、既存の手法ではこの問題をほとんど無視している。本論文では、希少なカテゴリの画像を再サンプリングすることで学習が安定し、検出性能がさらに向上することも実験的に検証している。実験では、DOTA-v1.0、DOTA-v1.5、HRSC2016などの一般的に用いられる航空写真データセットにおいて、我々のPoint RCNNが新たに最先端の検出性能を達成することを実証している。

要約(オリジナル)

Rotated object detection in aerial images is still challenging due to arbitrary orientations, large scale and aspect ratio variations, and extreme density of objects. Existing state-of-the-art rotated object detection methods mainly rely on angle-based detectors. However, angle regression can easily suffer from the long-standing boundary problem. To tackle this problem, we propose a purely angle-free framework for rotated object detection, called Point RCNN, which mainly consists of PointRPN and PointReg. In particular, PointRPN generates accurate rotated RoIs (RRoIs) by converting the learned representative points with a coarse-to-fine manner, which is motivated by RepPoints. Based on the learned RRoIs, PointReg performs corner points refinement for more accurate detection. In addition, aerial images are often severely unbalanced in categories, and existing methods almost ignore this issue. In this paper, we also experimentally verify that re-sampling the images of the rare categories will stabilize training and further improve the detection performance. Experiments demonstrate that our Point RCNN achieves the new state-of-the-art detection performance on commonly used aerial datasets, including DOTA-v1.0, DOTA-v1.5, and HRSC2016.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL