R3Det: Refined Single-Stage Detector with Feature Refinement for Rotating Object

最新推荐文章于 2026-06-30 15:08:02 发布
原创 最新推荐文章于 2026-06-30 15:08:02 发布 · 1w 阅读 · 47
本文提出了一种名为R3Det的旋转目标检测方法，旨在解决旋转目标检测中的挑战，如纵横比较大的目标、密集排列的目标和类别不平衡问题。R3Det基于RetinaNet，采用两阶段检测策略，首先使用水平anchor快速生成提案，然后通过精细化模块（FRM）使用旋转anchor进行精炼，以适应密集场景。FRM通过特征插值和重建实现特征对齐，提高检测精度。在DOTA数据集上的实验验证了R3Det的有效性。

本文针对旋转目标的检测提出了R3det。论文地址：https://arxiv.org/abs/1908.05612

1.Introduciton

      目前，旋转目标检测面临三个主要挑战：

  • 待检测目标纵横比较大
  • 待检测目标的排列较为密集
  • 类别不平衡

       本文讨论了如何设计一个准确和快速的旋转目标检测器。文章提出了一个refined one-stage 旋转检测器，其设计策略结合了水平anchor的高召回率和旋转anchor对密集场景的适应性两方面的优点，在第一个阶段使用水平anchor，从而获得更快的速度和更多的proposals，在refinement stage使用了refined 旋转anchors以适应密集场景； 此外，设计了特征精细化模块(FRM),利用特征插值获得refined anchor的位置信息，然后对特征图进行重建以实现特征对齐。

2. Proposed Method

该实例基于RetinaNet，网络后增加了refinement stage来对bounding box进行refine，FRM用于重建特征图。

2.1 Rotation RetinaNet

       该网络为一个先进的one-stage检测器，包括两个部分：backbone网络和分类回归子网络。Backbone网络为FPN，FPN通过自上而下的路径和横向连接来增强了卷积网络，从而有效地从单个分辨率

最低0.47元/天 解锁文章
R3Det: Refined Single-Stage Detector with Feature Refinementfor Rotating Object论文学习
w_study_ty的博客
07-09 2199
该论文为one-stage目标检测。是以RetinaNet为基础，增加了FRM（feature refinement module）以及设计了一个可导的近似偏斜损失函数（approximate SkewIoU），目的为了解决目标检测的三大挑战：1.大纵横比目标，2.密集目标的图像，3.任意旋转目标的图像。针对不同的场景做出相对应的解决方案。 网络结构 该论文是在RetinaNet的基础上进行增加新的模块和改变损失函数设计而成的，每层FPN连接着分类子网（class subnet）和边界盒回归子网（b
【论文精读】CVPR2021 - ReDet：一种用于航空目标检测的旋转等变检测器
qq_50757624的博客
04-01 1671
最近，航空图像中的目标检测在计算机视觉中引起了广泛的关注。与自然图像中的物体不同，空中物体通常以任意方向分布。因此，检测器需要更多的参数来编码方向信息，这通常是高度冗余和低效的。此外，由于普通CNN没有明确地对方向变化进行建模，因此需要大量的旋转增强数据来训练准确的目标检测器。在本文中，我们提出了一种旋转等变检测器（ReDet）来解决这些问题，它明确编码了旋转等变性和旋转不变性。更准确地说，我们将旋转等变网络纳入检测器以提取旋转等变特征，这可以准确预测方向并导致模型尺寸的大幅减小。基于旋转等变特征，我们还。
R3Det解读
m0_67619101的博客
08-12 699
当使用相同的特征图进行多次分类和回归时，边界框位置的变化可能会引起特征错位，因此需要FRM。在FRM中，first stage回归出的水平框会refine成倾斜框，然后根据分类出的目标类别分数进行筛选高质量倾斜框（每个特征点只取分数最高的box，这样每个box只对应一个特征点），然后映射到经过Large Kernel特征重组后的原特征图，先将boxs的位置信息编码为一个个特征点，这些特征点的位置和原特征图的特征点的位置是一样的(因为box的偏移，旋转会引起中心点偏移，把它映射回去，
《R3Det：Refined Single-Stage Detector with Feature Refinement for Rotating Object》论文笔记
m_buddy的博客
08-23 1729
参考代码： TF实现版本：R3Det_Tensorflow Pytorch实现版本：r3det-on-mmdetection 旋转检测算法总结：RotationDetection 1. 概述 导读：这篇文章提出了一种级联优化的旋转目标检测算法。这篇文章的检测算法可以看作是单阶段的（类似RefineDet）检测算法。算法的第一级回归用于生成带旋转角度的roi proposal（也可以称之为带旋转角度的anchor），在之后的优化级中去迭代优化上一级生成的roi proposal。需要注意的是文章的算法在
旋转目标检测网络推荐——R3Det
Tony Wey的博客
06-05 547
Refined Single-Stage Detector with Feature Refinement For Rotation Object 论文连接 代码地址
基于YOLOv5的旋转框目标检测实战指南
最新发布
weixin_30756499的博客
06-30 462
目标检测是计算机视觉的基础任务，传统水平框检测难以处理具有旋转角度的物体。旋转框检测通过引入角度参数，采用(x,y,w,h,θ)五参数表示法，能更精确地定位任意朝向的目标。其核心技术在于旋转框IoU计算和角度回归处理，这在遥感图像分析、工业质检等场景中具有重要应用价值。YOLOv5作为高效的实时检测框架，通过修改输出层结构和损失函数，可以扩展支持旋转框检测。本文以工业质检为案例，详细讲解从数据标注、模型改造到部署优化的全流程实践，特别是针对角度周期性问题的正弦编码解决方案和旋转NMS的CUDA加速实现。
遥感旋转目标检测模型：R3Det 实验记录
Sonrikisou1997的博客
07-12 4653
配置环境： RTX3090 PyTorch 1.9.0 CUDA 11.3 cudnn 8.2.0 mmcv 0.5.9(旧版本) opencv 3.4.4.19（旧版本） DOTA数据集下载：https://captain-whu.github.io/DOTA/dataset.html R3Det训练好的checkpoints（用于test测试，u8bj）：https://pan.baidu.com/share/init?surl=Ijmh1Lco4T7HPwAtT2h0Zg 项目地..
目标检测--Single-Shot Refinement Neural Network for Object Detection
AI小作坊 的博客
12-22 8312
Single-Shot Refinement Neural Network for Object Detection https://github.com/sfzhang15/RefineDet针对目标检测，本文可以看作将 Faster RCNN 和 SSD 融合起来。1 Introduction 当前基于 CNN 网络的目标检测可以分为两大类：1） the two-stage approach
【AI视野·今日CV 计算机视觉论文速览 第153期】Fri, 16 Aug 2019
TomRen
09-04 2137
AI视野 今日CS.CV 计算机视觉论文速览 --图像修复网络 --多尺度目标检测MatrixNet --多视角点云网络 Point-MVSNet --AdeFace人脸对抗生成
refinedet:Single-Shot Refinement Neural Network for Object Detection
WYXHAHAHA123的博客
03-09 1106
这是中国科学院自动化所在CVPR2018发表的论文。 论文链接：https://arxiv.org/abs/1711.06897 pytorch代码链接：https://github.com/luuuyi/RefineDet.PyTorch Refinedet模型大致上是将RPN、SSD和FPN融合到了一起。 对于物体检测任务而言，两个阶段的方法two stage method...
旋转目标检测综述（持续更新中）
热门推荐
qq_45752541的博客
12-09 2万+
文章目录前言（所有检测模型）五、RRPN（倾斜文本）1.概述2.网络结构3.旋转边界框的表达（Rotated Bounding Box Representation）4。旋转的锚点（Rotation Anchors）5.兴趣区域的学习（Learning of Rotated Proposal）6.区域提取网络的优化（Accurate Proposal Refinement）7.RRoI Pooling Layer十、 RSDet(19.12,DOTA上mAP74.1)十一、SCRDet(ICCV2019）1
RefineDet翻译版
weixin_39568744的博客
06-19 1112
论文：Single-Shot Refinement Neural Network for Object Detection 论文链接：https://arxiv.org/abs/1711.06897 代码链接：https://github.com/sfzhang15/RefineDet Abstract 对于物体检测，两阶段方法（例如，Faster R-CNN）已达到最高的精度，一阶...
【论文阅读】R3Det
dujuancao11的博客
11-22 7151
论文地址：https://arxiv.org/abs/1908.05612 摘要 旋转检测是一项具有挑战性的任务，因为它难以定位多角度目标并将其有效地从背景中分离出来。虽然已经取得了相当大的进展，但在实际设置中，旋转物体的宽高比大、分布密集、类别极不平衡仍然存在挑战。在本文中，我们提出了一个端到端精细化的单级旋转检测器，通过使用从粗粒度到细粒度的逐步回归方法来快速和准确地检测目标。针对现有精细化单级检测器存在的特征不匹配的缺点，设计了特征精细化模块，通过获取更准确的特征来提高检测性能...
基于mmrotate的旋转目标检测入门详解
xc1105921991的博客
10-17 1万+
本文介绍了从旋转目标检测的方法对比到选择合适的前沿算法，以及基于mmrotate框架的自定义数据集的训练方式，还有我在这一过程中所遇到的在windows和ubuntu搭建环境、训练过程中遇到的问题。
目标检测论文阅读：Single-Shot Refinement Neural Network for Object Detection
思矣远矣
06-10 5583
Single-Shot Refinement Neural Network for Object Detection 论文链接：https://arxiv.org/pdf/1711.06897v1.pdf 代码链接：https://github.com/sfzhang15/RefineDet 今天接着看CVPR 2018的文章，不过总的来说，这篇文章亮点不是很多，谈不上insight，大致上...
深度学习中目标检测中的难点
weizhifei1234的博客
06-25 9272
难点一：小目标问题 小目标检测文章总结 小目标检测的五个方向 + Global Context +Local Context 综述 例如:i)图像的缩放;ii)浅网络;iii)上下文信息;iv)超分辨率。补充还有针对小目标的图像增强，这个是最新的一篇论文中有提到。 对于许多下游任务来说小目标检测相当重要。对于自动驾驶车辆安全来说，从高清图像中检测出小样本或者远距离样本相当重要。许多目标，例...
目标检测研究中存在的难点
小菜的博客
04-21 7448
目标检测目前主要存在的主要问题，也是目标检测未来的发展方向： 小目标物体检测； 遮挡面积较大的目标检测； 区分图像中与目标物体外形相似的非目标物体； 实时性检测； 小数据量迁移训练效果的提升； 目标检测范围应用越来越广，缺乏各种各样的训练样本数据。 ...
旋转框检测方法综述：RotateAnchor系列
zandaoguang的博客
08-26 1万+
↑ 点击蓝字关注极市平台作者丨emiya@知乎来源丨https://zhuanlan.zhihu.com/p/105881332极市导读本文主要介绍了RRPN、R3Det、ROITr...
评论 21
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

space_dandy

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值