文献泛读

合集 - 目标检测论文(5)

1.基于Transformer的遥感影像目标检测研究2023-12-112.迈向大规模小目标检测：综述与数据集 -- Towards Large-Scale Small Object Detection: Survey and Benchmarks2023-12-183.CoType: Joint Extraction of Typed Entities and Relations with Knowledge Bases 阅读笔记2024-01-084.Using the Improved Mask R-cnn and Softer-nms for Target Segmentation of Remote Sensing Image2023-11-03

5.文献泛读2023-11-03

收起

1. Aerial Target Detection Based on the Improved YOLOv3 Algorithm
2. Aircraft Rotated Boxes Detection Method Based on YOLOv5
3. Bottleneck transformers for visual recognition
4. Learning RoI transformer for oriented object detection in aerial images

Aerial Target Detection Based on the Improved YOLOv3 Algorithm

Ouyang L, Wang H. Aerial target detection based on the improved YOLOv3 algorithm[C]//2019 6th International Conference on Systems and Informatics (ICSAI). IEEE, 2019: 1196-1200.

内容	描述
论文信息	- 论文标题：基于改进YOLOv3算法的空中目标检测 Aerial Target Detection Based on the Improved YOLOv3 Algorithm	- 作者：Lecheng Ouyang，Huali Wang - 发表日期：2019 - 期刊或会议名称：ICSAI
摘要	YOLOv3算法直接用于复杂背景下的空中目标检测，导致检测精度低，漏检率高。本文提出了一种改进的YOLOv3算法来检测空中目标。首先使用K-means聚类算法对数据集进行分析，选择合适的锚盒数量和大小，然后提高网络检测尺度，建立特征融合目标检测层。	- 关键词：Target detection; YOLOv3 algorithm; Cluster analysis
主要研究问题	空中目标检测 （aerial target detection）	航拍图像目标检测技术难点：超远距离拍摄、目标间相互遮挡、背景噪声、光线突变等。背景复杂，导致目标小，特征不明显，难以检测，无法达到预期的检测效果。
主要贡献	1. 使用K-means聚类算法对数据集进行分析 2. 改进了YOLOv3的网络结构
方法	略
实验设计	数据集：PETS2005-Tracking 和 DOTA	在两个数据集上，本文算法相较于原YOLOv3的 准确率 和 召回率 都得到了提高，改善效果明显。但是背景复杂的小目标仍然无法检测。
结论	通过对数据集进行聚类分析，得到合适的锚盒。在YOLOv3网络结构的基础上，根据目标大小，提高了网络结构中的检测规模。 改进后的YOLOv3算法不仅具有较高的precision 和 recall，而且检测速度快。
个人评价	文中提出的模型改进策略或许在训练的数据集上过拟合了，虽然实验部分指出 相较于YOLOv3性能提升较大，但是在其他场景的泛化性能有限。论文发表时间有点早，现在YOLO系列算法已经更新发展到YOLOv8了

 

Aircraft Rotated Boxes Detection Method Based on YOLOv5

Baiqi X, Gangwu J, Jianhui L, et al. Aircraft Rotated Boxes Detection Method Based on YOLOv5[C]//2021 4th International Conference on Pattern Recognition and Artificial Intelligence (PRAI). IEEE, 2021: 390-394.

内容	描述
论文信息	- 论文标题：基于YOLOv5的飞机旋转目标检测方法 Aircraft Rotated Boxes Detection Method Based on YOLOv5	- 作者：Xu Baiqi, Jiang Gangwu, Liu Jianhui, Wang Xin, Yu Peidong - 发表日期：2021 - 期刊或会议名称：PRAI
摘要	提出了一种基于YOLOv5的飞机旋转目标检测方法。首先，引入圆形平滑标签，避免了角度值的突变；然后将骨干网中的卷积（convolution）替换为内卷（Involution ），以减少网络参数的数量；最后，在Neck之后引入Coordinate Attention，从特征中去除背景信息。	- 关键词：remote sensing image, aircraft target, rotated boxes detection, circular smooth label, involution, coordinate attention
主要研究问题	飞机旋转目标检测	遥感图像中的飞机目标具有目标尺寸小、布置方向任意的特点，
主要贡献	(1)引入圆形平滑标签(CSL)标注方法，缓解旋转目标标注方法边界处的loss随周期变化而突变的问题。 (2)使用Involution代替骨干网中的convolution，减小参数，提高网络特征提取能力。 (3)为了解决背景复杂的问题，引入坐标注意（Coordinate Attention）来抑制特征中的背景信息。
方法	略
实验设计	数据集：DOTA数据集中的飞机目标	该方法的检测结果优于其他方法，AP值达到90.68%，能有效检测出旋转飞机目标。
结论	本文引入CSL，Involution，Coordinate Attention，能够检测任意朝向的飞机目标。然而，该方法在小样本数据集上的训练效果较差。因此，在接下来的工作中，将对小样本数据集进行进一步的研究。
个人评价	作者将三个模块组合在一起，使得YOLOv5算法能够检测遥感图像中的旋转飞机目标，在实验中，与其他算法对比取得了最好的检测精度，但是没有明显的优势，还有提升空间。 作者提到该方法在小样本数据集上的训练效果较差。 另外，在消融实验中可以看出，检测精度的提高主要还是由于引入了Attention，而Involution的影响较小，作者也没有比较未添加CSL模块的检测精度。

 

Bottleneck transformers for visual recognition

Srinivas A, Lin T Y, Parmar N, et al. Bottleneck transformers for visual recognition[C]//Proceedings of the IEEE/CVF conference on computer vision and pattern recognition. 2021: 16519-16529.

内容	描述
论文信息	- 论文标题：Bottleneck transformers for visual recognition	- 作者：Aravind Srinivas Tsung-Yi Lin Niki Parmar Jonathon Shlens Pieter Abbeel Ashish Vaswani - 发表日期：2021 - 期刊或会议名称：CVPR
摘要	BoTNet在ResNet的最后三个瓶颈块中使用全局自注意替换空间卷积，在实例分割和对象检测方面显著改善了基线，同时减少了参数，延迟开销最小。
主要研究问题	如何在CNN中引入global self-attention	视觉中使用自注意时面临的挑战:(1)在目标检测和实例分割方面，图像尺寸(1024×1024)比图像分类(224 × 224)大得多。(2)训练和推理的计算和内存开销大。
主要贡献	(1)使用卷积有效地从大图像学习抽象和低分辨率的特征图;(2)用全局自注意对卷积捕获的featuremap进行处理和聚合
方法	在ResNet-50的结构基础上将C5的三个Bottleneck替换为带MHSA的Bottleneck。 这里C5的Bottleneck也不一定3个全用MHSA，为此文章也做了对比实验。
实验设计	实验了BoTNet在实例分割和目标检测方面的表现	单独使用的BoTNet在目标检测中取得了不错的结果
结论	将自注意机制应用到其他计算机视觉任务中，如特征点检测和三维形状预测，自监督学习的自注意机制，扩展到更大的数据集 是未来的研究方向
个人评价	BoTNet将self-attention引入到ResNet中，思路非常简单，但是却很powerful，超越了原始的ResNet模型，而且参数量更少，通过实验证明了方法的有效性。 CNN-based的模型更关注的是局部信息，而Transformer-based的模型先天有获取global信息的能力。Transformer作为是目前的研究热点，global和local attention 的结合或许会取得更好的结果

 

Learning RoI transformer for oriented object detection in aerial images

Ding J, Xue N, Long Y, et al. Learning RoI transformer for oriented object detection in aerial images[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2019: 2849-2858.

内容	描述
论文信息	- 论文标题：Learning RoI transformer for oriented object detection in aerial images	- 作者：Jian Ding, Nan Xue, Yang Long, Gui-Song Xia∗, Qikai Lu - 发表日期：2019 - 期刊或会议名称：CVPR
摘要	RoI Transformer的核心思想是在RoI上应用空间变换，并在旋转框(OBB)标注的监督下学习变换参数。RoI Transformer是轻量级的，可以很容易地嵌入到检测器中，用于旋转目标的检测。
主要研究问题	航拍图像的旋转目标检测	传统目标检测网络的常规操作对旋转和尺度变化的泛化能力有限，因此在设计roi和提取特征时要求具有一定的方向和尺度不变性。
主要贡献	1.提出了一种有监督旋转RoI学习器，它是一个可学习的模块，可以将HRoI转换为RRoI。这种设计不仅可以有效的缓解RoI与对象之间的错位，而且可以避免大量面向对象检测设计的锚点。 2.设计了旋转的位置敏感RoI对准模块，用于空间不变的特征提取，可以有效地帮助目标分类和位置回归 3.在多个大规模公开数据集上实现了最先进的性能。所提出的RoI Transformer可以很容易地嵌入到不同的主干网中，显著提高检测性能。
方法	略
实验设计	选择了DOTA和HRSC2016两个数据集
结论	RoI Transformer有效地避免了区域特征与目标不匹配的问题。这种设计显著提高了旋转目标检测性能，而计算成本的增加微不足道。
个人评价	旋转框检测模型RRPN通过生成大量旋转框完成检测，最主要的缺点是冗余计算导致检测速度很慢。本文提出RoI Transformer来解决此问题。RoI Transformer 是一个三阶段检测模型，主要由RRoI Leaner和RRoI Wraping两部分组成，核心思想是把RPN输出的水平锚框HRoI转换为旋转锚框RRoI。此策略无需增加锚点的数量且可以获得精确的RRoI。 本文的方法解决了旋转目标检测问题，但是针对不同目标的检测精度还有待提高