Rotating object detection has wide applications in aerial photographs, remote sensing images, UAVs, etc. At present, most of the rotating object detection datasets focus on the field of remote sensing, and these images are usually shot in high-altitude scenes. However, image datasets captured at low-altitude areas also should be concerned, such as drone-based datasets. So we present a low-altitude dronebased dataset, named UAV-ROD, aiming to promote the research and development in rotating object detection and UAV applications. The UAV-ROD consists of 1577 images and 30,090 instances of car category annotated by oriented bounding boxes. In particular, The UAV-ROD can be utilized for the rotating object detection, vehicle orientation recognition and object counting tasks. Compared with horizontal object detection, the regression stage of the rotation detection is a tricky problem. In this paper, we propose a rotating object detector TS4Net, which contains anchor refinement module (ARM) and two-stage sample selective strategy (TS4). The ARM can convert preseted horizontal anchors into high-quality rotated anchors through twostage anchor refinement. The TS4 module utilizes different constrained sample selective strategies to allocate positive and negative samples, which is adaptive to the regression task in different stages. Benefiting from the ARM and TS4, the TS4Net can achieve superior performance for rotating object detection solely with one preseted horizontal anchor. Extensive experimental results on UAV-ROD dataset and three remote sensing datasets DOTA, HRSC2016 and UCAS-AOD demonstrate that our method achieves competitive performance against most state-of-the-art methods.


翻译:旋转天体探测在空中照片、遥感图像、无人驾驶飞行器等方面应用广泛。目前,旋转天体探测数据集大多以遥感领域为重点,这些图像通常在高纬度场景中拍摄。不过,在低纬度地区采集的图像数据集,例如无人驾驶数据集,也值得关注。因此,我们提出了一个低纬度无人驾驶数据中心,名为UAV-ROD,目的是促进旋转天体探测和无人驾驶飞行器应用方面的研究和开发。目前,旋转天体探测数据集包括1577图像和30 090例汽车类,由定向绑定框附加说明。特别是,在旋转天体探测、车辆定向识别和天体计任务方面,可以使用UAAV-RO-RO数据集。与横向天体探测相比,旋转天体探测器的回归阶段是一个棘手问题。在本文中,我们提议一个旋转天体探测器TS4Net,其中含有固定轨道改进模块(ARM)和两阶段抽样选择战略(TS-4)。 ARM可以将高级天体定位的轨道锚定位锚转换成高级天体,其中的一个轨道定位轨道定位轨道定位轨道轨道轨道轨道轨道轨道轨道,其中的轨道定位将显示轨道的轨道轨道轨道数据,通过两个阶段的轨道的轨道定位定位定位轨道定位轨道定位,将显示轨道的轨道的轨道数据定位的轨道定位,通过两个阶段的轨道的轨道上的轨道上的轨道上的轨道上的轨道上的轨道上的轨道上的轨道上的轨道上的轨道上的轨道上的轨道上的轨道上的轨道上的轨道上的轨道上的轨道上的轨道上的轨道上的轨道上的轨道上的轨道上的轨道上的轨道上的轨道上的轨道上的轨道上的轨道上,通过。

0
下载
关闭预览

相关内容

【CVPR2021】多实例主动学习目标检测
专知会员服务
41+阅读 · 2021年4月18日
深度学习目标检测方法及其主流框架综述
专知会员服务
147+阅读 · 2020年6月26日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
目标检测中的Consistent Optimization
极市平台
6+阅读 · 2019年4月23日
Single-Shot Object Detection with Enriched Semantics
统计学习与视觉计算组
14+阅读 · 2018年8月29日
论文笔记之Feature Selective Networks for Object Detection
统计学习与视觉计算组
21+阅读 · 2018年7月26日
Relation Networks for Object Detection 论文笔记
统计学习与视觉计算组
16+阅读 · 2018年4月18日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
车辆目标检测
数据挖掘入门与实战
30+阅读 · 2018年3月30日
Focal Loss for Dense Object Detection
统计学习与视觉计算组
11+阅读 · 2018年3月15日
Object detection on aerial imagery using CenterNet
Arxiv
6+阅读 · 2019年8月22日
Arxiv
11+阅读 · 2019年4月15日
Augmentation for small object detection
Arxiv
11+阅读 · 2019年2月19日
Arxiv
5+阅读 · 2018年4月17日
VIP会员
相关资讯
目标检测中的Consistent Optimization
极市平台
6+阅读 · 2019年4月23日
Single-Shot Object Detection with Enriched Semantics
统计学习与视觉计算组
14+阅读 · 2018年8月29日
论文笔记之Feature Selective Networks for Object Detection
统计学习与视觉计算组
21+阅读 · 2018年7月26日
Relation Networks for Object Detection 论文笔记
统计学习与视觉计算组
16+阅读 · 2018年4月18日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
车辆目标检测
数据挖掘入门与实战
30+阅读 · 2018年3月30日
Focal Loss for Dense Object Detection
统计学习与视觉计算组
11+阅读 · 2018年3月15日
Top
微信扫码咨询专知VIP会员