Neubewertung der detektierten rotierten Objekte mit verlustfunktion basierend auf der Gaussischen Wasserstein-Distanz

Randunstetigkeit und deren Inkonsistenz bezüglich der endgültigen Detektionsmetrik stellen seit langem eine Hauptbeschränkung bei der Gestaltung von Regressionsverlusten für rotierende Objektdetektion dar. In diesem Artikel schlagen wir einen neuartigen Regressionsverlust vor, der auf der Gauss-Wasserstein-Distanz (Gaussian Wasserstein Distance, GWD) basiert und als grundlegende Lösung für dieses Problem dient. Konkret wird ein rotierter Begrenzungsrechteck in eine zweidimensionale Gauss-Verteilung transformiert, wodurch der nicht differenzierbare Verlust, der durch die rotierende IoU (rotating Intersection over Union) induziert wird, effizient durch die GWD approximiert werden kann, die mittels Gradienten-Backpropagation gut lernbar ist. Die GWD bleibt auch dann informativ, wenn zwischen zwei rotierenden Begrenzungsrechtecken keine Überlappung besteht – eine Situation, die bei der Detektion kleiner Objekte häufig auftritt. Durch ihre drei charakteristischen Eigenschaften kann die GWD zudem elegant sowohl die Randunstetigkeit als auch das quadratische Verzerrungsproblem lösen, unabhängig davon, wie der Begrenzungsrechteck definiert ist. Experimente an fünf Datensätzen mit verschiedenen Detektoren belegen die Wirksamkeit unseres Ansatzes. Der Quellcode ist unter https://github.com/yangxue0827/RotationDetection und https://github.com/open-mmlab/mmrotate verfügbar.