VALSE 论文速览第34期：Oriented R-CNN: 有向目标检测

2021-12-20 18:27| 发布者: 程一-计算所| 查看: 1304| 评论: 0

摘要: 为了使得视觉与学习领域相关从业者快速及时地了解领域的最新发展动态和前沿技术进展，VALSE最新推出了《论文速览》栏目，将在每周发布一至两篇顶会顶刊论文的录制视频，对单个前沿工作进行细致讲解。本期VALSE论文速 ...

为了使得视觉与学习领域相关从业者快速及时地了解领域的最新发展动态和前沿技术进展，VALSE最新推出了《论文速览》栏目，将在每周发布一至两篇顶会顶刊论文的录制视频，对单个前沿工作进行细致讲解。本期VALSE论文速览选取了来自西北工业大学有向目标检测方面的工作。该工作由程塨教授指导，谢星星同学录制。

论文题目：Oriented R-CNN: 有向目标检测

作者列表：谢星星 (西北工业大学)，程塨 (西北工业大学)，王家宝 (西北工业大学)，姚西文 (西北工业大学)，韩军伟 (西北工业大学)

B站观看网址：

https://www.bilibili.com/video/BV17b4y1v7iZ/

论文摘要：

当前先进的双阶段有向目标检测方法需要通过耗时的过程来产生有向候选框。这极大地制约了有向目标检测的速度，从而成为先进有向目标检测的计算瓶颈。本文提出了一种简单、有效的有向目标检测方法，称为Oriented R-CNN。Oriented R-CNN是一种通用的两阶段有向目标检测方法，它能够在保证高检测精度的同时兼顾检测效率。具体来说，在Oriented R-CNN的第一阶段，我们提出了一种有向候选框生成网络 (Oriented RPN)，它以低计算成本的方式生成高质量的有向候选框。Oriented R-CNN的第二阶段是有向目标检测头，它用于有向候选框的分类和精细回归。以ResNet50为骨干网络，Oriented R-CNN在两个常用的有向目标检测数据集DOTA (75.87% mAP) 和HRSC2016 (96.50% mAP)上均取得了最好的检测结果。同时，在输入图像大小为1024×1024时，Oriented R-CNN在单块RTX 2080Ti上能够达到每秒15.1帧的检测速度。我们希望Oriented R-CNN能够对后续有向目标检测方法的设计提供一些启发，并作为有向目标检测的新基准。

论文信息：

[1]Xingxing Xie, Gong Cheng, Jiabao Wang, Xiwen Yao, and Junwei Han. "Oriented R-CNN for Object Detection." In Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV 2021), pp. 3520-3529. virtual, Oct 2021.

论文链接：

[https://openaccess.thecvf.com/content/ICCV2021/papers/Xie_Oriented_R-CNN_for_Object_Detection_ICCV_2021_paper.pdf]

代码链接：

[https://github.com/jbwang1997/OBBDetection]

[https://github.com/Jittor/JDet/tree/master/projects/oriented_rcnn]

视频讲者简介：

谢星星，西北工业大学博士生，导师是程塨教授，研究方向为目标检测和遥感图像处理。

特别鸣谢本次论文速览主要组织者：

月度轮值AC：张正 (哈尔滨工业大学(深圳))、李爽 (北京理工大学)

季度责任AC：许永超 (武汉大学)

活动参与方式

1、VALSE每周举行的Webinar活动依托B站直播平台进行，欢迎在B站搜索VALSE_Webinar关注我们！