Improving the Detection of Small Oriented Objects in Aerial Images

要約

大規模な航空画像内の小さなピクセル領域を表す小さな方向を向いた物体は、そのサイズと方向のせいで検出が困難です。
既存の方向性航空検出器は有望な結果を示していますが、主に方向性モデリングに焦点を当てており、物体のサイズにはあまり考慮されていません。
この研究では、指向性物体検出モデルの分類および回帰タスクを強化することにより、航空画像内の小さな指向性物体を正確に検出する方法を提案しました。
私たちは、ガイド付きアテンション ロス (GALoss) とボックス ポイント ロス (BPLoss) の 2 つのロスで構成されるアテンション ポイント ネットワークを設計しました。
GALoss は、インスタンス セグメンテーション マスクをグラウンド トゥルースとして使用し、小さなオブジェクトの検出を向上させるために必要な注意特徴を学習します。
これらのアテンション機能は、BPLoss のボックス ポイントを予測するために使用され、ターゲット指向のバウンディング ボックスに対するポイントの位置が決定されます。
実験結果は、小さなオブジェクト インスタンスを含む標準指向の航空データセット (DOTA-v1.5) および海洋関連のデータセット (HRSC2016) に対するアテンション ポイント ネットワークの有効性を示しています。
コードは公開されています。

要約(オリジナル)

Small oriented objects that represent tiny pixel-area in large-scale aerial images are difficult to detect due to their size and orientation. Existing oriented aerial detectors have shown promising results but are mainly focused on orientation modeling with less regard to the size of the objects. In this work, we proposed a method to accurately detect small oriented objects in aerial images by enhancing the classification and regression tasks of the oriented object detection model. We designed the Attention-Points Network consisting of two losses: Guided-Attention Loss (GALoss) and Box-Points Loss (BPLoss). GALoss uses an instance segmentation mask as ground-truth to learn the attention features needed to improve the detection of small objects. These attention features are then used to predict box points for BPLoss, which determines the points’ position relative to the target oriented bounding box. Experimental results show the effectiveness of our Attention-Points Network on a standard oriented aerial dataset with small object instances (DOTA-v1.5) and on a maritime-related dataset (HRSC2016). The code is publicly available.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google