阅读原文

Précédent|Prochain

Méthode de détection fine d’objets sur images de télédétection basée sur une double tête de classification

résumé

La disponibilité accrue d’images de télédétection à haute résolution a fait de la détection fine d’objets dans ces images un domaine de recherche important en télédétection et en vision par ordinateur. Pour faire face aux problèmes d’utilisation insuffisante des données similaires, d’influence des étiquettes erronées sur la précision des modèles et de difficulté à distinguer des classes similaires dans la détection fine d’objets en télédétection, cet article propose une méthode de détection fine basée sur une double tête de classification. Premièrement, pour résoudre le problème de l’utilisation inefficace des données similaires, une double tête de classification est proposée, chaque tête entraînant un jeu de données différent, permettant à des données similaires définies différemment de participer conjointement à l’entraînement, ce qui améliore significativement la précision du modèle. Deuxièmement, pour lutter contre le bruit des étiquettes d’entraînement, une méthode de filtrage des étiquettes erronées basée sur la prédiction est conçue pour réduire l’impact des étiquettes erronées sur l’entraînement du modèle. Enfin, face aux grandes variations intra-classes et aux faibles différences inter-classes dans la détection fine d’objets, une fonction de perte d’entropie croisée marginée est définie pour améliorer la précision du modèle en élargissant les frontières de classification. Les expérimentations sur le jeu de données du concours de détection fine en télédétection et FAIR1M démontrent que la méthode proposée améliore significativement la précision et la robustesse de la détection fine des cibles d’images de télédétection. Le code est disponible en open source sur https://github.com/zf020114/DCH.

mots-clés

télédétection;apprentissage profond;détection fine d’objets;détection d’objets dirigée;double tête de classification;filtrage des étiquettes erronées;entropie croisée marginée

1 citation

Avec le développement rapide de la technologie de télédétection et l'amélioration des performances des équipements matériels tels que les plates - formes d'imagerie, la résolution de l'image satellite a atteint le niveau submicronique. Le nombre de satellites en orbite augmente rapidement, fournissant des ressources de données massives pour la détection et l'identification de cibles par imagerie de télédétection (李德仁等，2017). Les images de télédétection à haute résolution sont des images à haute résolution de la surface de la terre acquises par des plates - formes telles que des satellites et des avions à haute résolution. Grâce à leur haute définition, leur réduction des couleurs et leur précision géométrique, ces images permettent d'obtenir des informations détaillées sur la surface de la terre grâce à des images de télédétection à haut score, fournissant ainsi un support de données de base pour diverses applications de systèmes d'information géographique. L'amélioration considérable de la disponibilité des images de télédétection à haute résolution a fait de l'identification fine des cibles d'images de télédétection une orientation de recherche importante dans les domaines de la télédétection et de la vision par ordinateur. (姚艳清等，2021;罗会兰和陈鸿坤，2020;肖进胜等，2022). Les images de télédétection à score élevé sont caractérisées par de nombreux types de cibles, un grand nombre de cibles, une orientation variable de la cible et un angle de vision d'imagerie unique. En outre, différentes plates - formes, différents éclairages, différentes conditions météorologiques, différents paramètres atmosphériques, etc. ont tous un impact sur l'acquisition d'images de télédétection. Ces facteurs rendent la détection de cibles d'images de télédétection à score élevé plus difficile et plus difficile que la détection de cibles d'images naturelles.

La détection de cibles par télédétection se traduit principalement par deux aspects: premièrement, la précision de la représentation de la cible. La cible dans l'image de télédétection a une orientation arbitraire, la boîte rectangulaire horizontale dans la détection universelle de la cible est difficile de représenter compacte et précise la position et la portée de l'objet détecté, de sorte que la détection de précision de la cible dans l'image de télédétection nécessite la conception d'un modèle de détection basé sur la boîte rectangulaire rotative, en utilisant la boîte rectangulaire rotative compacte entourant la cible pour représenter la cible détectée, améliorer la capacité de localisation précise de la cible (张磊等，2022). Deuxièmement, le raffinement de la classification des objectifs. La tâche d'identification de détection fine nécessite et identifie les sous - classes dans les cibles conventionnelles, avec moins de différences entre les classes. Bien que le domaine actuel de la détection de cibles d'images de télédétection ait considérablement évolué, certains ensembles de données d'images de télédétection courants tels que dota (Xia等，2018), DIOR（Li等，2020) et fair1m (Sun等，2022De meilleurs résultats de détection ont été obtenus, mais la détection de cibles de précision d'image de télédétection pose également les problèmes suivants:

(1) Problèmes d'utilisation de données similaires. Les modèles de haute précision nécessitent des ensembles de données à grande échelle, mais le dimensionnement manuel de haute précision à grande échelle nécessite souvent des coûts importants, il est donc difficile de continuer à augmenter la taille des ensembles de données de formation. Dans le même temps, il existe généralement un grand nombre d'ensembles de données similaires qui sont plus importants que ceux qui sont collectés et étiquetés en fonction des besoins spécifiques de la tâche. Pour les modèles basés sur le Deep Learning, la différenciation fine d'un plus grand nombre de catégories à plus petite échelle de données sera confrontée à un manque de données de formation et les méthodes actuelles de détection fine n'utiliseront pas efficacement des ensembles de données similaires, ce qui affectera considérablement la précision du modèle. Peu de travaux ont été menés actuellement sur la façon de construire des structures de réseau qui permettent aux réseaux de s'entraîner non seulement avec des ensembles de formation pour cette tâche, mais aussi avec d'autres données similaires.

(2) problème de mauvais étiquetage. L'étiquetage manuel affiné à grande échelle entraînera inévitablement des erreurs d'étiquetage qui affecteront la précision du modèle, et le domaine actuel de la détection de cibles d'images de télédétection est sous - étudié sur la façon de gérer correctement les étiquettes erronées et de réduire l'impact des étiquettes erronées sur la formation du modèle.

(3) problèmes de classification fine. Contrairement aux tâches d'identification de détection d'images ordinaires, dans les images de télédétection, il existe des similitudes élevées entre les différentes sous - classes d'aéronefs et de navires de différents modèles (par exemple, les contours, la structure, etc.), ce qui rend la détection de précision des aéronefs et des navires extrêmement difficile. Dans le même temps, les images de télédétection optique haute résolution fournissent des informations sur la texture, la couleur, la forme et d'autres caractéristiques riches en cibles, tout en introduisant une grande quantité d'informations redondantes, ce qui rend l'arrière - plan de l'image extrêmement complexe.

À cette fin, la présente étude propose une méthode de détection de cibles de raffinement d'images de télédétection basée sur une double tête de classification pour résoudre les problèmes d'utilisation inadéquate de données similaires présentes dans la détection de cibles de raffinement d'images de télédétection, d'étiquetage incorrect affectant la précision du modèle et de catégories similaires difficiles à distinguer. À l'aide d'une tête de détection à double classification, différentes têtes de classification sont formées séparément pour différents ensembles de données, permettant à différentes données similaires définies par catégorie de participer ensemble à la formation, ce qui permet une utilisation efficace des données similaires; Concevoir une méthode prédictive de filtrage des étiquettes erronées qui réduit l'impact des étiquettes erronées sur la formation du modèle; La définition d'une perte d'entropie croisée de Margin améliore la précision du modèle en augmentant les limites de classification. Cet article fournit une validation expérimentale du modèle proposé afin de fournir un moyen d'utiliser efficacement des ensembles de données similaires pour la détection de cibles de raffinement d'images de télédétection, améliorant ainsi la précision de la détection de cibles de raffinement d'images de télédétection.

2 méthodes de recherche

Détection d'affinement de cible d'image de télédétection se manifeste principalement dans deux aspects: l'un est l'affinement du mode de représentation, l'utilisation d'un cadre rectangulaire rotatif pour représenter la cible détectée, mais le mode de représentation des paramètres communs du cadre rectangulaire rotatif dans les conditions limites produira des mutations, provoquant une instabilité d'entraînement; Le second est le raffinement des catégories de détection, ce qui permet au modèle de détecter des catégories cibles plus fines. Mais pour distinguer les catégories fines, il faut extraire des caractéristiques plus discriminantes. Dans le même temps, les catégories plus fines imposent des exigences plus élevées aux étiqueteurs, il est inévitable que le phénomène de l'erreur d'étiquetage des catégories se produise.

2.1 raffinement de la représentation

Les méthodes existantes de détection de cibles orientées par imagerie de télédétection sont pour la plupart basées sur le cadre commun de détection de cibles pour apporter les améliorations correspondantes (张省等，2022). La plupart des efforts actuels de détection de cibles de raffinement d'images de télédétection se concentrent sur le raffinement de la représentation, qui utilise des cadres rectangulaires rotatifs pour représenter les cibles (张磊等，2022). RRPN（Rotation Region Proposal Networks）（Ma等，2018), cette méthode introduit pour la première fois des cadres tournants Dans un réseau de détection, détectant des cibles orientées en générant un grand nombre de cadres d'ancrage tournants, proposant un réseau de recommandation de zone tournante qui génère 54 cadres d'ancrage tournants en utilisant 6 angles, 3 échelles et 3 rapports longueur / largeur à chaque position. La méthode utilise également une couche de Pooling de zones rotatives (rrol Pooling) pour extraire les caractéristiques des zones, mais le raisonnement est plus lent en raison de la génération excessive de cadres d'ancrage. R²CNN（Jiang等，2018Au faster rcnn (Ren等，2015) sur la base, les caractéristiques de la zone d'intérêt (roi) sont extraites en utilisant la Pooling de zones recommandées Multi - échelles (Roi Pooling), tout en prédisant le cadre d'encerclement horizontal et rotatif de la cible. RoI Transformer（Ding等，2018) Convertit une boîte d'ancrage horizontale générée par rpn en une boîte d'ancrage orientée à l'aide d'un module de conversion léger et extrait les caractéristiques dont la direction n'est pas modifiée à l'aide du module rroi Warping pour améliorer l'expression des caractéristiques. Oriented RCN（Xie等，2021), en utilisant le rectangle circonscrit du quadrilatère et les décalages vers le haut et vers la droite du rectangle circonscrit pour représenter la zone recommandée (Proposal), puis en générant directement la zone recommandée dirigée à l'aide du réseau de recommandation de zone orientée (Oriented rpn), et enfin en extrayant les caractéristiques par Pooling de zone rotatif (rotated roialign) et en effectuant la classification et la régression à l'aide de la tête de détection de cible dirigée. EIRNet（Han等，2022), un réseau dense de fusion de caractéristiques (DFF - net) avec deux directions de fusion a été conçu pour maximiser l'utilisation de plusieurs couches d'informations, réduire la redondance des informations et permettre une détection et une identification raffinées des navires sur des images de télédétection à haut score.

La méthode de détection de cible dirigée sans cadre d'ancrage permet d'éviter une série de problèmes posés par le cadre d'ancrage. BBAVectors（Yi等，2021), le point central de la cible est d'abord détecté, puis le rectangle de rotation est acquis par régression des vecteurs de perception des bords (bbavectors) qui entourent la boîte. PolarDet（Zhao等，2021Au centernet (Zhou等，2019), la base représente la cible orientée par régression du point central, la polarisation du point central, l'angle polaire et le diamètre polaire des 4 sommets, un côté plus court et 4 rapports polaires. Oriented RepPoints（Li等，2022), utilisant des points adaptatifs pour représenter des cibles orientées, capables de capturer des informations géométriques sur des cibles dans n'importe quelle direction. DARDet（Zhang等，2021), la boîte de détection de rotation est obtenue par prédiction successive des 5 paramètres de la boîte de rotation à chaque position du diagramme caractéristique, ainsi que par biais, à la manière d'une régression itérative. Oriented - DETR utilise des points et des axes pour représenter des cibles de télédétection, une représentation qui sépare la position et la rotation, résolvant le problème de discontinuité de perte commun aux approches traditionnelles basées sur des cadres de délimitation (Zhao等，2024).

2.2 raffinement des catégories de détection

Il existe également des travaux partiels visant à améliorer la précision de la détection des cibles de raffinement des images de télédétection en extrayant des caractéristiques plus fines. Étant donné que les cibles de télédétection ont une arbitraire directionnelle, mais que la plupart des réseaux neuronaux profonds ont une sensibilité directionnelle, les caractéristiques extraites d'une même cible dans différentes directions sont différentes, de sorte que l'extraction des caractéristiques d'Invariance rotationnelle de la cible ou des caractéristiques plus discriminantes peut améliorer la précision de détection du modèle. S²Anet（Han等，2021b), en utilisant d'abord un module d'alignement de caractéristiques (fam) pour extraire les caractéristiques alignées avec le cadre d'ancrage rotatif, puis un module de détection d'orientation (ODM) pour générer simultanément les deux caractéristiques de direction invariante et de direction sensible, afin d'atténuer les problèmes de classification et de positionnement incohérents dans la détection de cibles orientées. ReDet（Han等，2021a), l'utilisation d'un réseau Backbone avec Invariance directionnelle pour extraire les caractéristiques invariantes directionnelles, l'extraction adaptative des caractéristiques invariantes directionnelles à l'aide du module d'alignement de zone de recommandation invariante directionnelle (riroi align) améliore la précision de la détection ciblée. Arc propose un module de convolution rotative adaptative (Adaptive Rotated Convolution) qui extrait les caractéristiques des cibles dans différentes directions dans différentes images grâce à un noyau de convolution rotative adaptative.Pu等，2023), Large Selective Kernel Network（LSKNet）（Li等，2023), un nouveau réseau Backbone a été conçu pour obtenir d'abord l'effet d'une grande Convolution nucléaire de taille 23×23 en utilisant une Convolution normale de taille 5×5 combinée à une Convolution expansée de taille 7×7, ce qui permet au réseau d'extraction caractéristique d'avoir un grand champ sensitif. Un réseau de sélection de modules a ensuite été conçu en utilisant une Convolution à 2 dimensions ordinaire combinée à la fonction sigmoid, de sorte que le réseau peut sélectionner dynamiquement différentes convolutions de taille de champ sensible pour différentes cibles de détection, améliorant ainsi la résolution caractéristique du réseau dorsal et obtenant de meilleurs résultats de détection. STD propose une nouvelle méthode appelée découplage par transformation spatiale, offrant une solution simple et efficace pour la détection de cibles par télédétection à l'aide d'un transformateur de vision (Yu等，2024). Comme les catégories à détecter sont plus fines, il est inévitable que du bruit soit introduit lors du marquage des cibles de télédétection. Pour atténuer l'impact des étiquettes erronées sur le modèle, Generalized Cross Entropy Loss（Zhang等，2018Symmetric Cross Entropy lossWang等，2019), capable de maintenir une meilleure cohérence statistique dans un environnement bruyant, améliorant ainsi la robustesse du modèle. Co-teaching（Han等，2018), et co - Teaching + (Yu等，2019), en utilisant deux ou plusieurs modèles de réseau pour apprendre les uns des autres, en s'entraînant en passant au crible les échantillons dont les résultats de prédiction ne sont pas cohérents, évitant ainsi un sur - ajustement du modèle aux données de bruit.Hu等（2022）Une stratégie de correction maximisant l'entraînement a été proposée et un filtre différentiel probabiliste a été conçu pour filtrer et corriger les mauvaises étiquettes, améliorant la précision du modèle sous étiquettes bruitées.

3 méthodes de recherche

En réponse au problème critique posé par la détection de cibles de raffinement d'images de télédétection ci - dessus, cet article propose une méthode de détection de cibles de raffinement d'images de télédétection à score élevé basée sur une double tête de tri. Tout d'abord, une nouvelle tête de classification double a été proposée, impliquant des ensembles de données similaires tout au long de la formation du modèle; Deuxièmement, il est proposé un module de filtrage d'étiquettes d'erreur basé sur la prédiction qui filtre les étiquettes d'erreur en fonction de la confiance prédictive au cours de l'entraînement; Enfin, la fonction de perte d'entropie croisée de Margin est définie pour augmenter les limites de classification dans la classification fine. Le cadre de base de la méthode de cet article est donné ci - dessous, sur la base duquel les 3 méthodes ci - dessus sont présentées.

3.1 Cadre de base

Étant donné que les performances de l'algorithme de détection de cible à deux étapes en termes de détection de petites cibles sont généralement meilleures que celles de l'algorithme de détection de cible à une seule étape, combinées aux caractéristiques de la présence d'un grand nombre de petites cibles dans les images de télédétection haute résolution, cet article sélectionne l'Algorithme de détection de cible rotative à deux étapes Oriented R - CNN (Xie等，2021) comme cadre de base.Fig. 1Schéma général d'Oriented R - CNN. Cette méthode permet d'obtenir les 4 points angulaires de la cible en prédisant, sur la base d'un cadre horizontal enveloppant, le décalage du Sommet du cadre candidat orienté par rapport au bord supérieur et au milieu droit du cadre horizontal, caractérisé par une grande précision de détection et une vitesse de raisonnement rapide. En outre, l'environnement ambiant peut fournir des informations importantes sur la forme, l'orientation et d'autres caractéristiques de la cible, et l'identification réussie d'un objet dépend souvent de son contexte, de sorte que cette étude a adopté lsknet (Li等，2023), en tant que réseau dorsal pour une détection plus efficace des cibles de télédétection.

Fig. 1 Overall framework of oriented R-CNN

3.2 tête de détection à double Classification

Dans la plupart des missions de détection de cibles de télédétection, il existe des ensembles de données accessibles au public qui sont similaires aux ensembles de données d'entraînement, dont les scènes d'image sont similaires et qui contiennent des cibles similaires, à l'exception de la définition différente des étiquettes de catégorie des cibles et du degré de raffinement des étiquettes de catégorie. L'ensemble de données de course de détection de cible affinée contient deux ensembles de données similaires (l'ensemble de données d'entraînement et l'ensemble de données de référence) qui illustrent par exampleFig. 2Montré. La stratégie d'utilisation actuelle des méthodes de détection de cibles pour les données similaires consiste à pré - entraîner d'abord avec des ensembles de données similaires, puis à initialiser les paramètres du modèle à l'aide de ce modèle de pré - entraînement. De cette manière, le modèle formé avec des ensembles de données similaires est simplement utilisé comme paramètre d'initialisation pour le deuxième entraînement, et l'ensemble de données de référence n'est pas vraiment impliqué dans l'entraînement, de sorte que l'utilisation des données est moins efficace et ne tire pas pleinement parti de la valeur des données similaires. Pour des ensembles de données similaires en raison de leur définition différente de la catégorie cible, la même cible peut appartenir à des catégories différentes dans les deux ensembles de données ci - dessus, et si les deux ensembles de données sont fusionnés de force, il y aura une situation où la même cible appartient à des catégories différentes, ce qui peut induire en erreur dans le processus de formation en ligne. Ainsi, bien que leurs scénarios soient similaires et leurs objectifs similaires, ils ne peuvent toujours pas combiner les entraînements. Alors que la double tête de classification résout bien ce problème, en supposant que les réseaux de détection sont formés séparément sur deux ensembles de données avec des définitions de catégories similaires, les caractéristiques de classification nécessaires pour distinguer le premier plan du fond et distinguer les différentes catégories dans ces deux branches de classification du modèle de détection devraient également être similaires. Si une structure bien conçue permet au modèle de former deux ensembles de données simultanément, les données de différents ensembles de données optimisent les caractéristiques de classification dans la même direction, et des ensembles de données similaires peuvent améliorer la précision du modèle. Sur la base des hypothèses ci - dessus, cet article propose un tout nouveau type de tête de classification double, avec des têtes de classification distinctes formées pour différents ensembles de données, de sorte que différentes données similaires définies par catégorie participent à la formation du modèle tout au long du processus.Fig. 3Une représentation schématique d'une tête de détection usuelle existante et d'une tête de détection à double classification proposée ici est donnée.

Fig. 2 Sample image of the fine-grained object detection competition dataset

Fig. 3 The comparisons the dual classification detection head proposed in this paper with the ordinary detection head

L'en - tête de classification double ajoute une couche de connexion complète (class2) après la dernière couche de caractéristiques de la branche de classification pour effectuer la tâche de classification de l'ensemble de données de référence, la couche de connexion complète ajoutée partageant les caractéristiques de classification avec la couche de connexion complète de classification d'origine. Au cours de la phase d'entraînement, les prédictions de catégorie et les valeurs de vérité sont filtrées par les numéros de catégorie, une perte de classification est calculée séparément pour les prédictions de catégorie appartenant à l'ensemble d'entraînement original et les valeurs de vérité correspondantes, une autre perte de classification est calculée pour les prédictions de catégorie appartenant à l'ensemble de données de référence avec les valeurs de vérité correspondantes, la somme des deux pertes de classification étant la perte de classification finale.

Pendant la phase d'inférence, la couche supplémentaire full Link est directement ignorée et seule la prédiction de catégorie de l'en - tête de classification d'origine est sortie. De cette façon, il est possible d'utiliser pleinement le modèle d'apprentissage avec des données similaires, pour le réseau de détection primaire, les données de référence participent à l'entraînement de toutes les couches sauf la dernière couche de connexion complète, les données similaires sont pleinement utilisées, ce qui atténue efficacement le problème de données insuffisantes et améliorera également la précision du modèle. Cette méthode peut être utilisée pour la formation commune de n'importe quel ensemble de données similaires, et est également applicable pour des tâches telles que la classification des cibles, la détection des cibles, la segmentation d'instances, la segmentation sémantique, etc., et promet d'être une méthode commune pour l'utilisation de données similaires. Étant donné que cette méthode ignore directement les en - têtes de classification supplémentaires pendant la phase d'inférence, elle n'a aucun effet sur la vitesse d'inférence du modèle.

3.3 filtrage des étiquettes incorrectes

Le marquage manuel de haute précision à grande échelle présente souvent des erreurs de marquage. Détecter les réseaux afin d'ajuster les étiquettes d'erreur, les paramètres du réseau sont optimisés dans la direction opposée, ce qui affectera considérablement les performances globales du réseau, d'où la nécessité de réduire l'impact des étiquettes d'erreur sur l'entraînement du réseau. Souvent, les réseaux formés peuvent prédire correctement les catégories de cibles et obtenir un niveau de confiance élevé. Cet article est basé sur la conception d'un module de filtrage d'étiquettes d'erreur basé sur des prédictions. Le module est utilisé avant la phase de formation du Réseau pour calculer les pertes de classification, principalement pour filtrer les petites quantités de confusion de catégories qui se produisent lors de l'étiquetage réel des images de télédétection. Le score de catégorie obtenu pour le raisonnement en premier dans la formation est obtenu par une action supplémentaire de softmax pour obtenir la catégorie et la confiance pour cette cible, qui est considérée comme une mauvaise étiquette si la catégorie de prédiction est différente de l'étiquette de vérité et que la confiance est supérieure à un certain seuil, et les valeurs de prédiction et de vérité correspondantes après le filtrage des mauvaises étiquettes seront utilisées dans cet article pour calculer la perte de classification.

Un exemple de processus de filtrage des étiquettes est le suivant: commeFig. 4Montré,Fig. 4La médiane est de catégorie 0, la prédiction est de catégorie 1, et avec un niveau de confiance de 0,9 (en supposant un seuil donné de 0,88), 0,9 étant supérieur au seuil de filtrage donné, l'étiquette est considérée comme fausse. En définissant différents seuils de filtrage pour contrôler l'échelle des objectifs de filtrage, la méthode peut filtrer la plupart des étiquettes incorrectes, ce qui réduit l'impact des étiquettes incorrectes sur la formation du modèle. Dans le même temps, le procédé n'affectera pas l'apprentissage du réseau dans la phase initiale, car dans cette phase, la branche de classification du réseau s'entraîne à partir d'une initialisation aléatoire, le réseau étant alors loin d'être convergent et, après une opération softmax, la confiance prédite en catégorie est généralement inférieure au seuil de confiance fixé par le module de filtrage.

Fig.4 Diagram of error label filtering

Cette méthode a une forte polyvalence et peut être utilisée pour le filtrage des étiquettes d'erreur dans des tâches telles que la classification des cibles, la détection des cibles et la segmentation des instances, améliorant ainsi la précision du modèle. Comme cette méthode ajoute simplement une action softmax supplémentaire après la prédiction du réseau, elle a peu d'effet sur la vitesse d'entraînement du modèle et n'affecte pas du tout la vitesse d'inférence du modèle.

3.4 perte d'entropie croisée de margin

Dans la tâche de détection de cible générique, l'algorithme se concentre davantage sur la conception de la fonction de perte de la branche de régression et ignore la fonction de perte de la branche de classification. De faster rcnn (Ren等，2015) détection du réseau au Dino le plus proche (Zhang等，2022), les réseaux de détection, presque tous utilisent la perte d'entropie croisée comme fonction de perte de la branche de classification. Cependant, il existe de nombreuses catégories de cibles, de petites différences entre les classes et de grandes différences au sein des classes dans la détection de cibles fines, et la perte d'entropie croisée traditionnelle ne répond plus aux besoins de détection fine. Empruntez à la pensée SVM pour améliorer la précision de détection en augmentant les limites de classification des différentes catégories. Référence arcface en reconnaissance faciale (Deng等，2019), la fonction de perte, associée à l'angle Margin, pénalise de manière Additive l'angle entre la caractéristique de profondeur et son poids correspondant, améliorant ainsi simultanément la compacité intra - classe et les différences inter - classes. En conséquence, cet article calcule la perte d'entropie croisée en soustrayant artificiellement la valeur prédictive du réseau de l'échantillon positif du terme constant dans la formation, puis propose la fonction de perte d'entropie croisée de Margin, la formule de calcul de la perte d'entropie croisée ordinaire est la suivante:

Dans la formule,, indique qu'il appartient à laCaractéristiques de profondeur de la classe,etPoids et polarisation de la couche de connexion complète pour la dernière couche,etIndiquez respectivement le nombre de catégories et le nombre de cibles de cette catégorie dans un lot d'entraînement. La formule de calcul de la fonction de perte d'entropie croisée de Margin est

Dans la formule,Indique que cet échantillon est positif et que Δ est constant (le meilleur Δ est choisi en vérifiant les résultats de l'ensemble). Margin Cross entropie perte augmente les limites de classification schématique commeFig. 5Montré. Le vert et l'orange représentent respectivement les deux classifications, la ligne pointillée étant la limite de décision de classification, et les limites de classification des catégories sont artificiellement élargies par l'ajout de Margin (c'est - à - dire Δ ), ce qui facilitera L'amélioration de la capacité de discrimination des sous - classes. De cette façon, les limites de classification entre les différentes catégories sont augmentées, ce qui donne au modèle une meilleure capacité de classification fine. Étant donné que cette méthode n'améliore que les branches de classification, elle peut être utilisée pour d'autres tâches nécessitant une classification fine, y compris des tâches telles que la détection de boîtes horizontales et la segmentation d'instances, avec une forte polyvalence. Dans le même temps, la méthode améliore simplement la fonction de perte pendant la phase d'entraînement et n'affecte donc pas non plus complètement la vitesse d'inférence du modèle.

Fig. 5 Schematic diagram of classification boundary between traditional cross-entropy and Margin cross-entropy

4 résultats expérimentaux et analyses

4.1 Introduction aux ensembles de données expérimentales

Jeu de données de course de détection d'objectifs affinés publié pour le circuit de détection d'objectifs affinés basé sur des images Sub - métriques du 2023 national Big Data & Computing intelligence Challenge. La source des données est une image de fusion de charge visible de satellite à haute vue en quatre dimensions (résolution spatiale de 0,5 m). Cet ensemble de données contient trois parties: un ensemble d'entraînement, un ensemble d'essais et des données de référence. L'ensemble d'entraînement et d'essai contient 98 cibles d'avions et de navires, avec respectivement 8 000 et 3 000 images; L'ensemble de données de référence contient 39 catégories de cibles grossières avec 11 000 images, toutes de 1024 × 1024, la position de la cible est composée de 8 coordonnées de 4 points angulaires, dont l'image et la cible sont des exemples tels queFig. 2Montré.

FAIR1M（Sun等，2022), est un ensemble de données à grande échelle pour la détection et l'identification de cibles fines à partir d'images de télédétection. Cet ensemble de données comporte 37 catégories de cibles fines. Par exemple, la subdivision des avions en modèles spécifiques Boeing 737, Boeing 747, Boeing 777, Boeing 787, Airbus 220, Airbus 321, Airbus 330, Airbus 350, C919 et arj21, la subdivision des navires en cargos liquides, navires à cargaison sèche, bateaux de pêche, navires de croisière, remorqueurs et navires de génie, etc. Cet ensemble de données contient plus d'un million de cibles finement étiquetées et distribuées sous plusieurs angles, contenant 15 000 images de télédétection, chacune d'une taille de 1 000 × 1 000 à 10 000 × 10 000 pixels et d'une résolution spatiale de 0,3 à 0,8 M. cette version 2.0 de l'ensemble de données a été utilisée Dans l'expérience pour former le modèle et vérifier la précision de l'algorithme à l'aide d'un ensemble d'entraînement et d'un ensemble de validation, respectivement, et d'un ensemble de données dota comme ensemble de données de référence.

DOTA（Xia等，2018) est un ensemble de données pour la détection de cibles de grandes images aériennes contenant un total de 15 catégories de cibles communes pour les avions, les navires, les réservoirs, les terrains de baseball, les courts de tennis, les terrains de basket - ball, les pistes au sol, les ports, les ponts, les gros véhicules, les petits véhicules, les hélicoptères, les ronds - points, les terrains de football et de basket - ball. L'ensemble de données contient 2806 images satellites ou aériennes, chacune d'une taille de 800 × 800 à 4000 × 4000 pixels, contenant 188 000 objets de différentes échelles, directions et formes, et DOTA est utilisé comme référence pour fair1m.

4.2 paramètres et indicateurs d'évaluation expérimentale

Cette expérience utilise la précision moyenne (MAP) pour mesurer la performance de détection avec un seuil Iou de 0,5. On considère que le résultat du test est vrai positif (tp) Lorsque la boîte limite de la cible a un rapport à la vérité supérieur au seuil Iou et que l'étiquette de classe prédite est correcte.

L’environnement expérimental comprend: processeur Intel i7 13700k, GPU nVIDIA GeForce rtx3090ti. Système Ubuntu 20.04, ce code est basé sur la boîte à outils mmrotate.

Dans toutes les expériences, l'optimiseur Stochastic Gradient Drop (SGD) a été utilisé, le taux d'apprentissage (Learning rate) a été fixé à 0001, momentum à 0,9, weight Decay à 00001, la taille du lot (Batch Size) à 8 et d'autres paramètres avec Oriented R - CNN (Xie等，2021), les paramètres par défaut du réseau restent cohérents. Dans l'expérience d'ablation, afin d'accélérer la progression de l'expérience et de vérifier l'effet du modèle de réseau le plus rapidement possible, cet article utilise un lsknet - t plus petit comme réseau d'épine dorsale d'extraction de caractéristiques, le modèle est co - formé sur 12 Tours (EPOCH), et le réseau de fusion de caractéristiques utilise une pyramide de caractéristiques (fpn), en utilisant uniquement un simple Retournement horizontal comme méthode d'expansion des données. à fair1m (Sun等，2022) lsknet - S est utilisé comme réseau Backbone sur l'ensemble de données. Dans l'expérience de comparaison des performances, afin d'améliorer la précision du modèle par rapport à une meilleure comparaison avec d'autres méthodes, cet article utilise lsknet - S comme réseau backbone, les paramètres d'entraînement sont les mêmes que dans les expériences de comparaison des performances d'autres méthodes, c'est - à - dire l'ajout d'Une extension de données pour la rotation de l'image et la formation de 24 tours. Au cours de l'inférence, l'arrière - plan est filtré à l'aide d'un seuil de confiance prédéfini de 0,02 et les boîtes de détection excédentaires sont filtrées à l'aide d'une inhibition non extrême rotative (R - NMS) avec un seuil de 0,1. La vitesse d'inférence est obtenue avec une taille de lot de 1.

4.3 expériences d'ablation

4.3.1 expérience avec une tête de détection à double Classification

La tête de classification double résout bien les problèmes d'exploitation d'ensembles de données similaires et permet donc d'améliorer la précision du modèle. CommeTable 1L'introduction d'une tête de détection à double classification sur la base du modèle de base, telle qu'illustrée, est équivalente à une augmentation de la taille de l'ensemble de données en raison de la capacité de cette conception à utiliser pleinement l'ensemble de données de référence pour participer à la formation, tout en étant plus propice à La formation de caractéristiques de classification stables en raison de l'absence de confusion artificielle dans les catégories de l'ensemble de données de référence. Ainsi, le réseau a augmenté la précision du modèle sur l'ensemble de données de course de 58,4% à 72,4% après l'ajout de l'en - tête de tri double, ce qui représente une augmentation significative de 14% de la précision.

Table 1 Comparison of average accuracy of different models and methods on the fine-grained object detection competition dataset

模型和方法	参训数据集	mAP（50）
基线模型	训练集	58.4
基线模型+双分类头	训练集+参考集	72.4
基线模型+双分类头+错误标签过滤	训练集+参考集	73.7
基线模型+双分类头+错误标签过滤+ Margin交叉熵损失	训练集+参考集	74.7

En raison de la grande taille de l'ensemble de données fair1m, il existe 37 catégories de cibles raffinées contenant plus d'un million de cibles de télédétection finement étiquetées; Et l'ensemble de données DOTA, qui est l'ensemble de données de référence, est de petite taille, avec seulement 15 catégories de plus de 180 000 cibles étiquetées. Les méthodes précédentes ne permettaient pas de former deux ensembles de données ensemble pour améliorer la précision du modèle. Après avoir utilisé la double tête de classification proposée dans cet article, il est possible d'ajouter l'ensemble de données dota au processus d'entraînement en tant qu'ensemble de données de référence. En raison des différences dans la taille des données et la finesse de la notation, en théorie, même si les ensembles de données dota peuvent être ajoutés à la formation, l'amélioration de la précision globale du modèle sera limitée. CommeTable 2Comme indiqué, sur l'ensemble de données fair1m, ce modèle améliore encore la précision de détection de 0,4% grâce à la possibilité d'utiliser pleinement les informations de l'ensemble de données dota après l'ajout de l'en - tête de classification double.

Table 2 Comparison of average accuracy of different models and methods on the FAIR1M dataset

模型方法	参训数据集	mAP（50）
基线模型	FAIR1M	40.6
基线模型+双分类头	FAIR1M + DOTA	41.0
基线模型+双分类头+Margin交叉熵损失	FAIR1M + DOTA	41.3

4.3.2 expérimentation du module de filtrage des étiquettes d'erreur

Le module de filtrage des mauvaises étiquettes améliore la précision du modèle en réduisant l'impact des mauvaises étiquettes sur l'entraînement. CommeTable 1Comme indiqué, la précision du modèle sur l'ensemble de données du concours a continué d'augmenter de 72,4% à 73,7%, soit une augmentation de 1,3% après l'ajout du module de filtrage des étiquettes d'erreur. Étant donné que l'ensemble de données fair1m n'a pas été confondu artificiellement avec les étiquettes, le problème des étiquettes incorrectes n'est pas évident et le module de filtrage des étiquettes incorrectes n'a donc pas été utilisé sur cet ensemble de données.

Le module de filtrage d'étiquettes varie également en proportion des mauvaises étiquettes filtrées en fonction du seuil de filtrage. Précision du modèle sur l'ensemble de données de course à différents seuils de filtrage tels queTable 3Comme indiqué, il ressort du tableau que les différents seuils de filtrage ont un impact important sur les performances du modèle, la meilleure précision étant obtenue sur l'ensemble de données de course lorsque le seuil de filtrage prend 0,9. Au fur et à mesure que le seuil de filtrage diminue, les étiquettes qui remplissent les conditions de filtrage augmentent progressivement, les étiquettes filtrées augmentent progressivement et plus d'étiquettes erronées sont filtrées, à quel point la précision du modèle augmente progressivement. En continuant à abaisser le seuil de filtrage, il y a quelques étiquettes correctes qui sont également filtrées à ce stade, de sorte que la précision du modèle diminue progressivement.

Table 3 The influence of filtering threshold α on the accuracy of the model on the fine-grained object detection competition dataset

过滤阈值	模型精度mAP（50）/%
0.86	73.2
0.87	73.8
0.88	72.9
0.90	74.7
0.95	74.1
0.98	74.1

4.3.3 expérience de perte d'entropie croisée de margin

La perte d'entropie croisée de Margin, forçant le réseau à repousser les limites de la décision de classification pendant l'entraînement, augmente la précision de détection du modèle. CommeTable 1Comme indiqué, le réseau a continué à augmenter la précision du modèle de 73,7% à 74,7% sur l'ensemble de données de course après avoir utilisé la perte d'entropie croisée de Margin, soit une augmentation de 1%. CommeTable 2Comme indiqué, la précision du modèle sur l'ensemble de données fair1m a continué d'augmenter de 0,3%, passant de 41,0% à 41,3%.

Modèle de base plus double structure d'en - tête de classification et module de filtrage d'étiquette après détection du réseau à différents seuils limites précision sur l'ensemble de données de course commeTable 4On y voit que le seuil limite de la fonction de perte Δ a une grande influence sur la précision du modèle et que lorsque Δ est comparé, les limites de classification sont écartées de peu de distance et l'amélioration de la précision du modèle est limitée à ce stade. Les limites de classification s'élargissent progressivement à mesure que Δ augmente, à un moment où la précision du modèle augmente progressivement, et sur l'ensemble de données du concours de détection de cibles affinées, la meilleure précision peut être obtenue lorsque Δ est de 0,12. Lorsque l'augmentation continue de Δ , le modèle continue de tirer vers le haut les grandes limites de classification, lorsque la précision de détection diminue. Différents seuils limites pour détecter la précision du réseau sur l'ensemble de données fair1m commeTable 5Comme indiqué, la précision de détection a été améliorée de 0,3% en ajoutant la perte d'entropie croisée de Margin, ce qui permet d'obtenir la meilleure précision lorsque Δ est de 0,10.

Table 4 The influence of margin threshold Δ on the accuracy of the model on the fine-grained object detection competition dataset

边界阈值Δ	模型精度mAP（50）/%
0.11	73.6
0.12	74.7
0.13	74.4
0.15	73.8

Table 5 The influence of Margin threshold Δ on the accuracy of the model on the FAIR1M dataset

边界阈值Δ	模型精度mAP（50）/%
0.09	41.1
0.10	41.3
0.11	41.1
0.12	40.7

4.4 expériences de comparaison des performances

Des expériences de comparaison des performances ont été menées sur des concours de détection de cibles affinées ainsi que sur des ensembles de données fair1m.

4.4.1 résultats expérimentaux sur l'ensemble de données du concours finding Target Detection

Table 6Pour la précision de cette méthode sur l'ensemble de données du concours, la méthode proposée dans cet article a considérablement amélioré la précision de détection, passant de 58,4% à 74,7%, soit une augmentation totale de 16,3%. Cette étude a seulement réduit légèrement la vitesse d'inférence après avoir utilisé un réseau Backbone plus grand, passant de 29,9 images par seconde à 25,7 images par seconde, tandis qu'avec une précision d'inférence de 1312 × 1312 pixels augmentée à 76,5% et une vitesse réduite à 18,1 images par seconde, le modèle dispose toujours d'un meilleur temps réel. En utilisant un réseau Backbone plus petit et moins de techniques d'entraînement, la méthode de cet article a remporté la première place sur le circuit du 2023 national Big Data & Computing intelligence Challenge "finding Target Detection Based on Sub - meter image", surpassant toutes les autres équipes. Ces équipes essaient d'utiliser de nombreuses méthodes de détection, un réseau Backbone plus large et de nombreuses techniques d'entraînement. Étant donné que la notation de la vérité de l'ensemble de test de répétition n'est pas encore connue, il n'est pas possible d'obtenir la précision d'autres méthodes sur cet ensemble de données à l'heure actuelle, mais la compétition montre que cette méthode possède la plus grande précision et une vitesse d'inférence plus rapide.

Table6 Experimental results of different methods on the fine-grained object detection competition dataset

模型方法	骨干网络	图片尺寸/像素	mAP（50）/%	推理速度（FPS）
基线模型	LSKNet-t	1024	58.4	36.3
基线模型+双分类头	LSKNet-t	1024	72.4	36.3
基线模型+双分类头+错误标签过滤	LSKNet-t	1024	73.7	36.3
基线模型+双分类头+错误标签过滤+ Margin交叉熵损失	LSKNet-t	1024	74.7	36.3
基线模型+双分类头+错误标签过滤+ Margin交叉熵损失	LSKNet-s	1024	75.7	36.2
基线模型+双分类头+错误标签过滤+ Margin交叉熵损失	LSKNet-s	1312	76.5	18.1

Les résultats de la détection visuelle de la méthode de cet article sur l'ensemble de données du concours tels queFig. 6Les différentes couleurs des cases de détection représentées sur la figure représentent différentes catégories. La méthode proposée dans cet article améliore la précision du modèle de manière stable pour obtenir les meilleurs résultats sur l'ensemble de données de compétition, ce qui en dit long sur l'efficacité de la méthode de cet article. Que ce soit pour des avions minuscules ou des navires densément alignés, la méthode de cet article permet une détection précise.

Fig.6 Sample object detection results of our method on the fine-grained object detection competition dataset

4.4.2 résultats expérimentaux sur l'ensemble de données fair1m

Table 7Résultats de la comparaison avec d'autres méthodes de détection de cible rotative sur l'ensemble de données fair1m pour cette méthode. La précision et la vitesse des autres méthodes visibles sont les résultats obtenus en utilisant les paramètres par défaut de la plate - forme mmrotate basés sur l'ensemble de données DOTA, en s'entraînant sur l'ensemble d'entraînement fair1m et en testant l'ensemble de validation. En raison de la grande occupation de la mémoire, STD（Yu等，2024), ne peut être entraîné qu'avec des images de taille 800×800 pixels. ParTable 7On voit que la méthode de cet article a obtenu simultanément une précision inférieure de 41,3% et une vitesse d'inférence maximale de 29,1 images par seconde. Étant donné que les autres algorithmes comparés ne peuvent initialiser les paramètres d'entraînement qu'avec un modèle pré - entraîné sur un ensemble de données DOTA, et que cet algorithme peut directement utiliser les données dota pour participer à l'entraînement, cet algorithme améliore efficacement la précision du modèle.

Table 7 Experimental results of different methods on the FAIR1M dataset

模型方法	骨干网络	图片尺寸/像素	mAP（50）/%	推理速度（FPS）
S²Anet（Han 等，2021b）	ResNet50	1024	29.8	21.1
R³Det（Yang 等，2019）	ResNet50	1024	16.2	23.6
ROI Transformer（Ding等，2018）	ResNet50	1024	33.2	23.6
Gliding Vertex （Xu等，2021）	ResNet50	1024	30.4	26.7
ReDet（Han等，2021a）	Re-ResNet50	1024	34.8	8.8
Oriented RCNN（Xie等，2021）	ResNet50	1024	36.1	25.8
STD（Yu等，2024）	LSKNet-s	800	41.7	2.2
LSKNet（Li等，2023）	LSKNet-s	1024	40.6	29.1
本文方法	LSKNet-s	1024	41.3	29.1

Résultats de détection visuelle sur les ensembles de données fair1m tels queFig. 7Montré. Les différentes couleurs de la boîte de détection de la figure représentent différentes catégories de cibles, visible indépendamment des différentes cibles de l'ensemble de données ou pour tous les types d'installations routières et de sites, cette méthode peut atteindre une détection précise et obtenir de meilleurs résultats de détection, ce qui illustre pleinement l'efficacité de cette méthode.

Fig. 7 Detection results of this method on the competition dataset

5 Conclusion

En réponse au problème posé par la détection de cibles de raffinement d'images de télédétection, cet article propose une structure de tête de tri double et compare et valide la méthode proposée dans cet article avec les modèles et méthodes existants. Les principales conclusions sont les suivantes:

(1) la tête de détection à double classification proposée ici, qui entraîne différents ensembles de données séparément à travers différentes branches, résout le problème de l'impossibilité d'utiliser efficacement des données similaires dans la détection de cibles de raffinement d'image de télédétection;

(2) une méthode de filtrage prédictive des étiquettes erronées peut réduire l'impact des étiquettes erronées sur la formation du modèle;

(3) Perte d'entropie croisée de Margin, améliorant la précision du modèle en augmentant les limites de classification;

(4) Il a été démontré que la méthode proposée ici améliore considérablement la précision et la robustesse de détection du modèle grâce à des expériences sur les jeux de données FIND Target Detection Competition, fair1m et DOTA.

Dans le même temps, la double tête de classification proposée ici a également certaines limites, pour les ensembles d'entraînement avec une taille de données relativement petite, il y a une grande amélioration des performances après l'ajout d'un ensemble de données similaire pour l'entraînement commun. Mais pour les ensembles d'entraînement avec une taille de données elle - même plus grande, l'amélioration de la performance n'est pas significative même lorsqu'elle est combinée avec des données similaires (seulement 0,4% d'amélioration dans l'ensemble de données fair1m). En outre, le module de filtrage d'étiquettes d'erreur proposé ici ne peut filtrer les notations d'erreurs de position que dans les cas de confusion de catégories d'étiquettes. Dans les travaux de recherche futurs, nous continuerons à étudier davantage de méthodes de multiplexage de données similaires et de méthodes de filtrage des erreurs de localisation, améliorant ainsi la précision de la détection des cibles de précision des images de télédétection.

References

1.
Deng J K, Guo J, Xue N N and Zafeiriou S. 2019. ArcFace: additive angular margin loss for deep face recognition//Proceedings of the 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR). Long Beach: IEEE: 4685-4694
2.
Ding J, Xue N, Long Y, Xia G S and Lu Q K. 2018. Learning RoI transformer for oriented object detection in aerial images//Proceedings of the 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR). Long Beach: IEEE: 2844-2853
3.
Han B, Yao Q M, Yu X R, Niu G, Xu M, Hu W H, Tsang I W and Sugiyama M. 2018. Co-teaching: robust training of deep neural networks with extremely noisy labels//Proceedings of the Proceedings of the 32nd International Conference on Neural Information Processing Systems. Montréal: Curran Associates Inc.: 8536-8546
4.
Han J M, Ding J, Xue N and Xia G S. 2021a. ReDet: a rotation-equivariant detector for aerial object detection//Proceedings of the 2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition. Nashville: IEEE: 2785-2794
5.
Han J M, Ding J, Li J and Xia G S. 2021b. Align deep features for oriented object detection. IEEE Transactions on Geoscience and Remote Sensing, 60: 5602511
6.
Han Y Q, Yang X Y, Pu T and Peng Z M. 2022. Fine-grained recognition for oriented ship against complex scenes in optical remote sensing images. IEEE Transactions on Geoscience and Remote Sensing, 60: 5612318
7.
Hu Z B, Gao K, Zhang X D, Wang J W, Wang H and Han J W. 2022. Probability differential-based class label noise purification for object detection in aerial images. IEEE Geoscience and Remote Sensing Letters, 19: 6509705
8.
Jiang Y Y, Zhu X Y, Wang X B, Yang S L, Li W, Wang H, Fu P and Luo Z B. 2018. R2CNN: rotational region CNN for arbitrarily-oriented scene text detection//Proceedings of the 24th International Conference on Pattern Recognition. Beijing: IEEE: 3610-3615
9.
Li D R, Wang M, Shen X and Dong Z P. 2017. From earth observation satellite to earth observation brain. Geomatics and Information Science of Wuhan University, 42(2): 143-149
10.
Li K, Wan G, Cheng G, Meng L Q and Han J W. 2020. Object detection in optical remote sensing images: a survey and a new benchmark. ISPRS Journal of Photogrammetry and Remote Sensing, 159: 296-307
11.
Li W T, Chen Y J, Hu K X and Zhu J K. 2022. Oriented RepPoints for aerial object detection//Proceedings of the 2022 IEEE/CVF Conference on Computer Vision and Pattern Recognition. New Orleans: IEEE: 1819-1828
12.
Li Y X, Hou Q B, Zheng Z H, Chen M M, Yang J and Li X. 2023. Large selective kernel network for remote sensing object detection//Proceedings of the 2023 IEEE/CVF International Conference on Computer Vision (ICCV). Paris: IEEE: 16748-16759
13.
Luo H L and Chen H K. 2020. Survey of object detection based on deep learning. Acta Electronica Sinica, 48(6): 1230-1239
14.
Ma J Q, Shao W Y, Ye H, Wang L, Wang H, Zheng Y B and Xue X Y. 2018. Arbitrary-oriented scene text detection via rotation proposals. IEEE Transactions on Multimedia, 20(11): 3111-3122
15.
Pu Y F, Wang Y R, Xia Z F, Han Y Z, Wang Y L, Gan W H, Wang Z D, Song S J and Huang G. 2023. Adaptive rotated convolution for rotated object detection//Proceedings of the 2023 IEEE/CVF International Conference on Computer Vision (ICCV). Paris: IEEE: 6566-6577
16.
Ren S Q, He K M, Girshick R and Sun J. 2015. Faster R-CNN: towards real-time object detection with region proposal networks//Proceedings of the 29th International Conference on Neural Information Processing Systems. Montreal: MIT Press: 91-99
17.
Sun X, Wang P J, Yan Z Y, Xu F, Wang R P, Diao W H, Chen J, Li J H, Feng Y C, Xu T, Weinmann M, Hinz S, Wang C and Fu K. 2022. FAIR1m: a benchmark dataset for fine-grained object recognition in high-resolution remote sensing imagery. ISPRS Journal of Photogrammetry and Remote Sensing, 184: 116-130
18.
Wang Y S, Ma X J, Chen Z Y, Luo Y, Yi J F and Bailey J. 2019. Symmetric cross entropy for robust learning with noisy labels//Proceedings of the 2019 IEEE/CVF International Conference on Computer Vision (ICCV). Seoul: IEEE: 322-330
19.
Xia G S, Bai X, Ding J, Zhu Z, Belongie S, Luo J B, Datcu M, Pelillo M and Zhang L P. 2018. DOTA: a large-scale dataset for object detection in aerial images//Proceedings of the 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition. Salt Lake City: IEEE: 3974-3983
20.
Xiao J S, Zhang S H, Chen Y H, Wang Y F and Yang L H. 2022. Remote sensing image object detection based on bidirectional feature fusion and feature selection. Acta Electronica Sinica, 50(2): 267-272
21.
Xie X X, Cheng G, Wang J B, Yao X W and Han J W. 2021. Oriented R-CNN for object detection//Proceedings of the 2021 IEEE/CVF International Conference on Computer Vision. Montreal: IEEE: 3500-3509
22.
Xu Y C, Fu M T, Wang Q M, Wang Y K, Chen K, Xia G S and Bai X. 2021. Gliding vertex on the horizontal bounding box for multi-oriented object detection. IEEE Transactions on Pattern Analysis and Machine Intelligence, 43(4): 1452-1459
23.
Yang X, Yan J C, Feng Z M and He T. 2019. R³Det: refined single-stage detector with feature refinement for rotating object//Proceedings of the 39th AAAI Conference on Artificial Intelligence. Washington: AAAI Press: 3163-3171
24.
Yao Y Q, Cheng G, Xie X X and Han J W. 2021. Optical remote sensing image object detection based on multi-resolution feature fusion. National Remote Sensing Bulletin, 25(5): 1124-1137
25.
Yi J R, Wu P X, Liu B, Huang Q Y, Qu H and Metaxas D. 2021. Oriented object detection in aerial images with box boundary-aware vectors//Proceedings of the 2021 IEEE Winter Conference on Applications of Computer Vision. Waikoloa: IEEE: 2149-2158
26.
Yu H T, Tian Y J, Ye Q X and Liu Y F. 2024. Spatial transform decoupling for oriented object detection//Proceedings of the 39th AAAI Conference on Artificial Intelligence. Vancouver: AAAI Press: 6782-6790
27.
Yu X R, Han B, Yao J C, Niu G, Tsang I and Sugiyama M. 2019. How does disagreement help generalization against label corruption,Proceedings of the 36th International Conference on Machine Learning. Long Beach: PMLR: 7164-7173
28.
Zhang F, Wang X Y, Zhou S L and Wang Y Q. 2021. DARDet: a dense anchor-free rotated object detector in aerial images. IEEE Geoscience and Remote Sensing Letters, 19: 8024305
29.
Zhang H, Li F, Liu S L, Zhang L, Su H, Zhu J, Ni L M and Shum H Y. 2023. DINO: DETR with improved denoising anchor boxes for end-to-end object detection Proceedings of the International Conference on Learning Representations(ICLR) Kigali City [DOI: 10.48550/arXiv.2203.03605] Zhang L, Zhang Y S, Yu Y, Ma Y Z and Jiang H G. 2022. Survey on object detection in tilting box for remote sensing images. National Remote Sensing Bulletin, 26(9): 1723-1743
30.
Zhang S, Li S S, Wei G F, Zhang X N and Gao J W. 2022. Refined multi-scale feature-oriented object detection of the remote sensing images. National Remote Sensing Bulletin, 26(12): 2616-2628
31.
Zhang Z L and Sabuncu M R. 2018. Generalized cross entropy loss for training deep neural networks with noisy labels//Proceedings of the 32nd International Conference on Neural Information Processing Systems. Montréal: Curran Associates Inc.: 8792-8802
32.
Zhao P B, Qu Z S, Bu Y J, Tan W M and Guan Q Y. 2021. PolarDet: a fast, more precise detector for rotated target in aerial images. International Journal of Remote Sensing, 42(15): 5831-5861
33.
Zhao Z Y, Xue Q L, He Y H, Bai Y F, Wei X and Gong Y H. 2024. Projecting points to axes: oriented object detection via point-axis representation//Proceedings of the 18th European Conference on Computer Vision–ECCV 2024. Milan: Springer: 161-179
34.
Zhou X Y, Wang D Q and Krähenbühl P. 2019. Objects as points. arXiv preprint arXiv: 1904.07850

Lire l'article complet

The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website