返回
Learning Boundary Continuity-Aware Gaussian Encoder for Oriented Object Detection
DOI:10.1109/TCYB.2025.3562555.png)
摘要
En 中文
目标方向检测对于旋转敏感任务至关重要,并已引起广泛关注。大多数现有方法将角度作为检测器输出向量生成,但这种策略在某些情况下会异常放大两个框之间的视觉相似差异,即边界不连续性问题。为克服这一局限性,我们提出了边界连续性感知的高斯编码器(BCGE)。具体来说,BCGE直接预测候选框的目标高斯分布,并将有向边界框学习为集成的2-D矩阵,有效解决了边界不连续性问题。我们还提出了从高斯表示转换回框的方法,并将此转换理论扩展到复数域,以适应神经网络的学习特性。此外,BCGE作为一个通用的即插即用架构编码器,能够直接替换各种有向检测器中的标准编码过程,具有适应性。在五个流行数据集(即DOTA、UCAS-AOD、HRSC2016、SSDD和HRSID)上的实验结果一致表明了我们方法的有效性。
Keyword:
Boundary discontinuity issue
Gaussian distribution
oriented object detection
期刊
IF:
10.5
论文数:
1.1W
被引数:
5.0W
机构
引用论文
R3Det: Refined Single-Stage Detector with Feature Refinement for Rotating ObjectR3Det: 具有旋转物体特征细化的细化单级检测器
SCRDet: Towards More Robust Detection for Small, Cluttered and Rotated ObjectsSCRDet: 对小型、杂乱和旋转的物体进行更稳健的检测

