关于旋转检测中高精度边界框的优化

活动介绍

上海白玉兰开源开放研究院发起的“青年学者论坛”，意在为国内外大数据及人工智能领域的优秀青年学者，搭建一个非正式交流平台。我们诚邀发表在国际顶会的论文作者，以第一视角介绍其学术观点、研究细节、成果展现、相关领域前沿方向等话题，促进观点碰撞及交流合作。

此次是“青年学者论坛”第七期活动，青年学者论坛讲师及志愿者持续招募中。
如有意愿，请与我们联系，欢迎广大同学们积极参与。
Email：chengh@baiyulan.org.cn （邮件主题：青年学者论坛）
微信：chhao01 （验证消息：青年学者论坛）

活动安排

• 摘要

目前许多旋转检测算法都存在评估与损失不一致、边界不连续和类正方形检测等问题，从而导致检测模型在高精度检测中表现不鲁棒。对于评估与损失不一致问题，我们提出IoU-Smooth L1损失函数来近似不可微的旋转IoU损失，使得模型的学习和评估保持对齐。对于边界不连续问题，我们创新性地将角度回归问题转换成了分类问题，设计了一种循环平滑标签（CSL）从根本上消除了该问题。
此外，我们还把这个问题扩展到任意四边形，并提出了Modulated Loss予以解决。对于类正方形检测问题，我们基于CSL提出了角度密集编码（DCL）的标签结构，并通过引入一个对角度距离和长宽比都感知的权重来有效克服这个问题。此外，我们还设计了一种统一的优化方法GWD。GWD具有几个非常好的性质可以优雅地解决上述三个问题而不增加额外参数和计算量。最后，我们开源了一个支持多方法多数据集的旋转检测框架，并对上述算法做了相应的定量和定性分析。

相关论文

• X. Yang, et al. “Scrdet: Towards more robust detection for small, cluttered and rotated objects.” In ICCV. 2019.
• X. Yang, J. Yan. “Arbitrary-Oriented Object Detection with Circular Smooth Label.” In ECCV 2020.
• W. Qian, X. Yang, et al. “Learning modulated loss for rotated object detection.” In AAAI 2021.
• X. Yang, et al. “Dense Label Encoding for Boundary Discontinuity Free Rotation Detection.” In CVPR 2021.
• X. Yang, et al. “Rethinking Rotated Object Detection with Gaussian Wasserstein Distance Loss.” In ICML 2021.
• X. Yang, et al. “R3Det: Refined Single-Stage Detector with Feature Refinement for Rotating Object.” In AAAI 2021
• Q. Ming, Z. Zhou, L. Miao, X. Yang, et al. " Optimization for Oriented Object Detection via Representation Invariance Loss."

讲师介绍

杨学，上海交通大学人工智能研究院博士生, 上海交通大学吴文俊人工智能荣誉博士班成员, 指导老师是严骏驰副教授。主要研究兴趣集中于通用目标检测和旋转目标检测。目前以一作身份于CVPR、ICCV、ECCV、ICML、AAAI等会议或期刊发表论文5篇, google scholar引用已超过650, 其余信息详见个人主页https://yangxue0827.github.io/。

评议人

高忠派，现为上海交通大学人工智能研究院博士后，2018年博士毕业于上海交通大学电子工程系。研究方向包含计算机三维视觉、三维显示等。博士期间访问哈佛医学院，从事基于三维显示晕动症的问题。在ACM MM, AAAI, IJCAI, TMM, TCyb, Display, DSP等会议和期刊上发表论文数十篇。获得DynaVis@CVPR 2020动态场景重建研讨会的最佳论文奖。博士后期间入选国家博士后创新人才支持计划，上海市超级博士后激励计划，获得国家自然科学青年基金项目资助。

合作媒体

• CSDN
• 思否
• 掘金
• 示说