使用增强的功能改进算法检测和定位多尺度和定向对象
Deepika Roselind Johnson1, Rhymend Uthariaraj Vaidhyanathan2
1School of Computer Science and Engineering, Vellore Institute of Technology, Chennai, Tamilnadu, India.
Mathematical biosciences and engineering : MBE
|September 7, 2023
概括
这项研究引入了一种新的单阶段旋转探测器,用于在复杂场景中准确检测物体. 先进的探测器提高了速度和精度,超过了对基准数据集的现有方法.
科学领域:
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 对象检测在计算机视觉中至关重要.
- 现有的旋转探测器面临的挑战是随意的方向,密集的安排和损失不连续性.
研究的目的:
- 介绍一种新的单阶段旋转探测器,用于准确检测定向和多尺度的物体.
- 解决当前旋转探测器在混乱和多样化的场景中的局限性.
主要方法:
- 一种使用水平和旋转的渐进回归方法.
- 整合特征改进模块,以增强特征角度和减少界限框.
- 一个新的可调节损失功能,以减轻损失不连续性问题.
主要成果:
- 拟议的探测器在基准数据集上实现了出色的性能.
- 与最先进的方法相比,在速度和准确性方面都取得了显著的改进.
- 有效地处理任意定向的对象和密集的场景.
结论:
- 新型单阶段旋转探测器为对象检测任务提供了卓越的性能.
- 开发的方法,包括可调节损失函数,可扩展到其他检测器类型.
- 这项工作推动了对物体检测应用的计算机视觉领域的发展.
