انسيابية التدوير المتكيفة للانحدار التوافقي للكشف عن الكائنات المدوّرة

كشف الكائنات المُحَوَّلة يهدف إلى تحديد وتحديد مواقع الكائنات في الصور ذات الاتجاهات العشوائية. في هذا السياق، تتغير اتجاهات الكائنات بشكل كبير بين الصور المختلفة، بينما توجد عدة اتجاهات للكائنات داخل صورة واحدة. يُعد هذا السمة الجوهرية عاملًا صعبًا أمام الشبكات الأساسية القياسية لاستخراج ميزات عالية الجودة للكائنات ذات الاتجاهات العشوائية. في هذه الورقة، نقدم وحدة الت convolution المُحَوَّلة التكيفية (ARC) لمعالجة التحديات المذكورة أعلاه. في وحدة ARC لدينا، تقوم كُتل التصفية بالدوران التكيفي لاستخراج ميزات الكائنات ذات الاتجاهات المختلفة في الصور المختلفة، كما تم تقديم آلية حساب شرطي فعالة لمواكبة التغيرات الكبيرة في الاتجاهات التي تظهر داخل الصورة الواحدة. تعمل هاتان التصميمتان بشكل سلس في مسألة كشف الكائنات المُحَوَّلة. علاوةً على ذلك، يمكن لوحدة ARC أن تعمل بسهولة كوحدة قابلة للتركيب والتبديل (plug-and-play) في مختلف الشبكات الأساسية للرؤية، مما يعزز قدرتها التمثيلية على كشف الكائنات المُحَوَّلة بدقة. أظهرت التجارب على معايير شائعة الاستخدام (DOTA وHRSC2016) أن تزويد الشبكة الأساسية بوحدة ARC المقترحة يؤدي إلى تحسين كبير في أداء العديد من كواشف الكائنات المُحَوَّلة الشهيرة (مثل +3.03% في mAP لـ Rotated RetinaNet و+4.16% لـ CFA). وبالإضافة إلى الطريقة التنافسية القوية Oriented R-CNN، تحقق الطريقة المقترحة أفضل أداء مُسجَّل حتى الآن على مجموعة بيانات DOTA بتحقيق 81.77% في mAP. يمكن الوصول إلى الكود عبر الرابط: \url{https://github.com/LeapLabTHU/ARC}.