[论文解读] G-Rep: Gaussian Representation for Arbitrary-Oriented Object Detection

Liping Hou, Ke Lu+3 more|arXiv (Cornell University)|May 24, 2022

Advanced Neural Network Applications被引用 4

一句话总结

本文提出 G-Rep，一种用于任意方向目标检测的统一高斯表示方法，将定向边界框（OBB）、四边形边界框（QBB）和点集（PointSet）统一建模为高斯分布。通过最大似然估计优化参数，并利用高斯度量实现标签分配与回归损失，G-Rep 在 DOTA、HRSC2016、UCAS-AOD 和 ICDAR2015 上均取得最先进性能，有效克服了边界不连续性、表示模糊性和对异常值敏感等表示特异性问题。

ABSTRACT

Typical representations for arbitrary-oriented object detection tasks include oriented bounding box (OBB), quadrilateral bounding box (QBB), and point set (PointSet). Each representation encounters problems that correspond to its characteristics, such as the boundary discontinuity, square-like problem, representation ambiguity, and isolated points, which lead to inaccurate detection. Although many effective strategies have been proposed for various representations, there is still no unified solution. Current detection methods based on Gaussian modeling have demonstrated the possibility of breaking this dilemma; however, they remain limited to OBB. To go further, in this paper, we propose a unified Gaussian representation called G-Rep to construct Gaussian distributions for OBB, QBB, and PointSet, which achieves a unified solution to various representations and problems. Specifically, PointSet or QBB-based object representations are converted into Gaussian distributions, and their parameters are optimized using the maximum likelihood estimation algorithm. Then, three optional Gaussian metrics are explored to optimize the regression loss of the detector because of their excellent parameter optimization mechanisms. Furthermore, we also use Gaussian metrics for sampling to align label assignment and regression loss. Experimental results on several public available datasets, such as DOTA, HRSC2016, UCAS-AOD, and ICDAR2015, show the excellent performance of the proposed method for arbitrary-oriented object detection.

研究动机与目标

• 解决现有任意方向目标检测表示方法固有的局限性，如 OBB 的边界不连续性、QBB 的表示模糊性以及 PointSet 对异常值的敏感性。
• 在单一可微分框架下统一多种目标表示（OBB、QBB、PointSet），实现联合优化。
• 基于高斯度量设计一致的标签分配与回归损失机制，使训练目标与几何相似性对齐。
• 通过利用高斯分布的性质，消除对任务特定损失设计或锚框预设的需求，实现端到端优化。

提出的方法

• 使用可微变换将 PointSet 或 QBB 表示转换为高斯分布，支持通过最大似然估计（MLE）进行参数学习。
• 设计三种高斯度量（如巴氏距离、Kullback-Leibler 散度与马氏距离），用于计算预测与真实高斯分布之间的相似性，作为回归损失。
• 使用相同的高斯度量进行标签分配，确保正样本选择与回归损失优化的一致性。
• 基于高斯度量设计统一损失函数，替代传统的 IoU 或 L_n 损失，优化检测器。
• 将学习得到的高斯分布最终转换为 OBB 格式用于推理，保持定位精度。
• 将高斯表示集成至标准检测头（如 RetinaNet 或基于 YOLO 的结构）中，无需对网络架构进行大规模修改。

实验结果

研究问题

• RQ1 统一的高斯表示能否在保持可微性与优化稳定性的同时，有效建模多样化的任意方向目标表示（OBB、QBB、PointSet）？
• RQ2 在目标检测中，高斯度量相较于传统的 IoU 或 L_n 损失，在应对异常值与边界不连续性方面是否更具鲁棒性？
• RQ3 通过使用相同的高斯度量对齐标签分配与回归损失，是否能在多个数据集与不同目标类型上提升检测性能？
• RQ4 G-Rep 在处理表示特异性挑战（如角度不连续性、类似正方形问题、点序模糊性）方面，相较于现有方法的性能提升程度如何？
• RQ5 所提出的基于高斯的框架能否在多样化数据集（包括航拍图像与文本检测基准）上实现良好泛化？

主要发现

• G-Rep (PointSet) 在 DOTA 上达到 90.16% 的 mAP，优于 SOTA 方法如 RIDet 和 DAL，展现出更优的泛化能力与鲁棒性。
• 在 HRSC2016 上，G-Rep (PointSet) 达到 90.67% 的 mAP，分别超越 RIDet (OBB) 与 RIDet (QBB) 0.93% 和 0.54%，且未使用锚框或复杂超参数调优。
• 在 UCAS-AOD 上，G-Rep (PointSet) 达到 89.64% 的 mAP，展现出在多样化目标形状与方向下的持续优势。
• 在 ICDAR2015 的定向文本检测任务中，G-Rep (PointSet) 达到 81.3% 的 F-measure，优于单阶段方法 RO 3D 与两阶段方法 SCRDet，在召回率与 F-measure 上均表现更优。
• 可视化结果表明，G-Rep 的点集中分布在目标内部，相比将点置于边缘的 PointSet，显著降低了对边界与异常值的敏感性。
• 该方法通过学习平滑连续的高斯分布，有效缓解了 OBB 中的类似正方形问题与边界不连续性。