[论文解读] Phase-Shifting Coder: Predicting Accurate Orientation in Oriented Object Detection

Yi Yu, Feipeng Da|arXiv (Cornell University)|Nov 11, 2022

Advanced Image and Video Retrieval Techniques被引用 7

一句话总结

本文提出相位移位编码器（PSC）及其双频变体（PSCD），一种可微分的角度编码方法，通过将方向角映射为周期性相位，解决定向目标检测中的边界不连续性和类似方形问题。PSC在DOTA数据集上实现了最先进性能，mAP75指标相比CSL和KLD最高提升2.59个百分点，且在无需超参数调优的情况下在不同数据集上表现出良好泛化能力。

ABSTRACT

With the vigorous development of computer vision, oriented object detection has gradually been featured. In this paper, a novel differentiable angle coder named phase-shifting coder (PSC) is proposed to accurately predict the orientation of objects, along with a dual-frequency version (PSCD). By mapping the rotational periodicity of different cycles into the phase of different frequencies, we provide a unified framework for various periodic fuzzy problems caused by rotational symmetry in oriented object detection. Upon such a framework, common problems in oriented object detection such as boundary discontinuity and square-like problems are elegantly solved in a unified form. Visual analysis and experiments on three datasets prove the effectiveness and the potentiality of our approach. When facing scenarios requiring high-quality bounding boxes, the proposed methods are expected to give a competitive performance. The codes are publicly available at https://github.com/open-mmlab/mmrotate.

研究动机与目标

• 解决由角度周期性引起的定向目标检测中的边界不连续性问题。
• 通过借鉴光学相位移技术，将180°和90°旋转对称性问题统一于同一框架下。
• 开发一种可微分、端到端可训练的角度编码器，提升基于深度学习检测器的回归精度。
• 在Dota、HRSC和OCDPCB等多样化数据集上，在一致训练条件下评估该方法。
• 展示该方法在无需数据集特定超参数调优情况下的泛化能力。

提出的方法

• PSC使用单一频率将方向角编码为周期性相位，利用相位的连续性解决在±π/2处的边界不连续性问题。
• PSCD通过引入低频和高频两个频率，解决相位模糊性问题，借助相位展开技术消除由90°旋转对称性引起的类似方形问题。
• 相位计算公式为 φ = (θ + π) / (2π) × N，其中N为相位桶数量，将[−π, π]范围映射至[0, N)。
• 网络直接预测相位值，通过反向映射解码角度，实现可微分训练。
• 双频策略结合低频与高频相位，即使在90°旋转对称情况下也能唯一确定真实角度。
• 该方法被集成至RetinaNet、FCOS和YOLOv5等标准检测器中，计算开销极小。

实验结果

研究问题

• RQ1 相位移位编码能否有效解决定向目标检测中的边界不连续性问题？
• RQ2 双频相位移位方法能否消除由90°旋转对称性引起的存在类似方形问题？
• RQ3 所提出的PSC方法是否能在无需数据集特定超参数调优的情况下实现跨数据集泛化？
• RQ4 与现有角度编码方法（如CSL和KLD）相比，PSC在mAP和推理效率方面表现如何？
• RQ5 双频扩展（PSCD）在不同数据集和模型架构上的性能影响如何？

主要发现

• 在DOTA数据集上，PSCD相比CSL在mAP50上提升1.15个百分点，在mAP75上提升2.59个百分点，显示出显著的精度提升。
• 在DOTA上，PSCD相比KLD在mAP75上高出2.36个百分点，表明其在高IoU检测任务中表现更优。
• 在OCDPCB数据集上，PSC在无需任何超参数调优的情况下，mAP75相比KLD高出9.83个百分点，展现出强大的泛化能力。
• PSC和PSCD的推理时间开销极小，PSC在1024×1024图像上仅为RetinaNet（R-50）增加0.2毫秒，PSCD增加0.5毫秒。
• 在DOTA上，双频策略使YOLOv5s的mAP75提升3.94个百分点，YOLOv5m提升3.60个百分点，但在HRSC和OCDPCB上性能下降，表明其优势具有上下文依赖性。
• PSC和PSCD无需数据集特定的超参数调优，可实现即插即用的部署，且在新场景中保持一致性能。