要約
一般的な物体とは異なり、航空画像における標的は任意の方向を向いており、背景が複雑な環境に存在することが多い。主流のアプローチでは境界ボックスの方向を回帰する方法が用いられるが、本稿では適応型ポイント表現の利点を活かし、任意方向を向いた物体の幾何学的情報を効果的に捉えることができる、新たな適応型ポイント学習手法を提案する。これにより、正確な方向性を保ちながら分類と局所化を実現するため、3種類の方向変換関数を導入した。さらに、訓練中に代表的な方向付き再ポイント（oriented reppoints）サンプルを選定するための効果的な品質評価およびサンプル割当スキームを提案し、隣接する物体や背景ノイズから非軸対称な特徴を捉える能力を高めた。また、ロバストな適応学習を実現するため、外れ値ポイントに対してペナルティを与える空間制約を導入した。DOTA、HRSC2016、UCAS-AOD、DIOR-Rの4つの挑戦的な航空画像データセットにおける実験結果から、本手法の有効性が実証された。ソースコードは以下のURLで公開されている：https://github.com/LiWentomng/OrientedRepPoints。