论文阅读之旋转目标检测ARC:《Adaptive Rotated Convolution for Rotated Object Detection》

最新推荐文章于 2026-03-01 00:28:12 发布

原创

最新推荐文章于 2026-03-01 00:28:12 发布 · 2.4k 阅读

论文link：link
code：code
ARC是一个改进的backbone，相比于ResNet，最后的几层有一些改变。

Introduction

ARC自适应地旋转以调整每个输入的条件参数，其中旋转角度由路由函数以数据相关的方式预测。此外，还采用了一种有效的条件计算技术，使检测器具有更大的适应性来处理图像中具有各种方向的物体。所提出的 ARC 模块可以方便地用作任意核大小的卷积层中的即插即用模块。因此，任何具有卷积层的骨干网络都可以通过使用 ARC 模块享受强大的旋转物体表示能力。

1.摘要

旋转物体检测旨在识别和定位图像中任意方向的物体。在这种情况下，物体的方向在不同图像中差异很大，而一幅图像中存在多个物体方向。这种固有特性使得标准主干网络很难提取这些任意方向物体的高质量特征。在本文中，我们提出了自适应旋转卷积 (ARC)模块来应对上述挑战。在我们的ARC模块中，卷积核自适应地旋转以提取不同图像中方向不同的物体特征，并引入了一种高效的条件计算机制来适应图像中物体的大方向变化。这两种设计在旋转物体检测问题中无缝协作。此外，ARC可以方便地用作各种视觉主干中的即插即用模块，以增强其表征能力，从而准确检测方向物体。在常用基准（DOTA和 HRSC2016）上进行的实验表明，在主干网络中配备我们提出的 ARC 模块后，多个流行的定向物体检测器的性能得到了显著提升（例如，在 Rotated RetinaNet 上 =mAP 提高了3.03%，在CFA上 mAP 提高了 4.16%）。与极具竞争力的 Oriented R-CNN 方法相结合，所提出的方法在 DOTA数据集上实现了81.77% mAP 的最佳性能。