Conceptos Básicos
기존 회전 객체 탐지 방법들은 AP50 지표를 사용하지만, 이는 각도 편차에 대한 허용 범위가 크기 때문에 고정밀 회전 객체 탐지에 적합하지 않다. 따라서 본 논문에서는 AP75와 같은 고정밀 지표를 사용하고, 종횡비 민감 각도 분류 기법(AR-CSL), 회전 변형 주의 모듈(RDA), 노이즈 제거 전략(DN), 종횡비 민감 가중치(ARW) 및 매칭(ARM)을 결합한 ARS-DETR을 제안한다. 실험 결과, ARS-DETR은 다양한 데이터셋에서 고정밀 회전 객체 탐지 성능을 크게 향상시켰다.
Resumen
본 논문은 회전 객체 탐지 분야에서 고정밀 성능 향상을 위한 방법을 제안한다.
-
기존 회전 객체 탐지 방법들은 AP50 지표를 사용하지만, 이는 각도 편차에 대한 허용 범위가 크기 때문에 고정밀 회전 객체 탐지에 적합하지 않다. 따라서 본 논문에서는 AP75와 같은 고정밀 지표를 사용할 것을 제안한다.
-
제안하는 ARS-DETR 모델은 다음과 같은 핵심 기술들을 결합한다:
- 종횡비 민감 각도 분류 기법(AR-CSL): 객체의 종횡비에 따라 각도 레이블을 동적으로 부드럽게 처리하여 각도 예측 성능을 향상시킨다.
- 회전 변형 주의 모듈(RDA): 각도 정보를 활용하여 특징 맵과 샘플링 포인트를 정렬시킨다.
- 노이즈 제거 전략(DN): 각도 노이즈를 추가하여 모델의 일반화 성능을 높인다.
- 종횡비 민감 가중치(ARW) 및 매칭(ARM): 종횡비에 따라 각도 손실 함수와 매칭 비용을 동적으로 조절한다.
- 다양한 실험 결과, ARS-DETR은 DOTA-v1.0, DIOR-R, OHD-SJTU 데이터셋에서 기존 방법들 대비 AP75 성능을 크게 향상시켰다.
Estadísticas
객체의 종횡비가 1.5 이상인 경우, 각도 편차가 증가함에 따라 SkewIoU가 급격히 감소한다.
객체의 종횡비가 1 이하인 경우, 각도 편차에 관계없이 SkewIoU가 0.5 이상을 유지한다.
Citas
"Could AP50 well reflect the performance of oriented object detectors? Maybe not, according to our findings."
"Angle, as a unique parameter in oriented object detection, plays a vital role in high-precision detection."