Core Concepts
提案されたGRAモジュールは、軽量かつ効果的であり、さまざまな方向のオブジェクトの微細な特徴を適応的に捉えることができます。
Abstract
オリエンテーション情報を正確に抽出するための新しいGRAモジュールの提案。
Group-wise RotatingとGroup-wise Attentionの2つの主要コンポーネントから構成される。
GRAはパラメータ効率を維持しながら、さまざまなオリエンテーション情報を効果的に捉えることができる。
DOTA-v2.0ベンチマークでSOTAを達成し、前回のSOTA方法と比較してパラメータをほぼ50%節約する。
Introduction
オリエンテーション情報を正確に捉えることが重要。
GRAモジュールはGroup-wise RotatingとGroup-wise Attentionから構成される。
Methodology
Group-wise Rotating: カーネルをグループごとに回転させて微細なオブジェクト特徴をキャプチャ。
Group-wise Attention: 重要な領域に焦点を当て、不要なノイズを低減。
Experiment Results
DOTA-v1.0データセットで他のSOTA方法よりも優れた性能を示す。
HRSC2016データセットでも高い性能を発揮。
Stats
GRAは前回のSOTA方法と比較してパラメータ数をほぼ50%削減します。