要約
方向性が明確で密に配置されたオブジェクトの検出は、オブジェクト間の受信フィールドが重なり合うことによって生じる空間的特徴のアリasing（混疊）の影響により、依然として困難な課題である。本論文では、方向性および密な配置を持つオブジェクトのレイアウトに応じて畳み込み特徴を適応的に設定するための凸包特徴適応（Convex-Hull Feature Adaptation, CFA）手法を提案する。CFAは、凸包特徴表現に基づくものであり、凸包の交差領域を評価する凸交差オーバーラップ（Convex Intersection over Union, CIoU）によって導かれる動的予測特徴点の集合を用いて、オブジェクトの範囲を限定する。CFAは、凸包集合を構築し、正のまたは負の凸包を動的に分割することで、最適な特徴割り当てを実現する。重複する凸包とオブジェクトの関係を同時に考慮するとともに、複数のオブジェクトに共有される凸包に対してペナルティを課すことで、CFAは空間的特徴のアリasingを軽減し、最適な特徴適応を達成する。DOTAおよびSKU110K-Rデータセットにおける実験結果から、CFAはベースライン手法を著しく上回り、新たな最先端の検出性能を達成することが示された。