文章: R2CNN++: Multi-Dimensional Attention Based Rotation Invariant Detector with Robust Anchor Strategy
作者: Xue Yang, Kun Fu, Hao Sun, Jirui Yang, Zhi Guo, Menglong Yan, Tengfei Zhang, Sun Xian
备注: Institute of Electronics, Chinese Academy of Sciences, Beijing (Suzhou), China
核心亮点
自然场景下的物体检测相对来说已经取得了很多成果, 但是在面对高空场景下的物体检测时, 就会面临诸多难点, 比如尺寸不一, 方向不同, 物体密集等等. 这篇文章提出了一种新颖的多类别检测器, 可以有效的检测高空场景下的小物体, 任意方向物体, 以及密集物体. 具体来说, 模型采用了一种名为 inception fusion network 的特征融合策略, 可以综合考虑诸多因素的影响, 进而提升检测小物体和任意方向物体的能力, 同时, 使用 pixel attention network 和 channel attention network 来降低噪声特征, 增强物体特征. 另外, 本文还重定义了 rotating bounding box, 解决了物体方向的问题.