迈向均衡的监督机制：基于累积质量的动态任务分配技术在精细粒度遥感目标检测中的应用 潘一达（Yida Pan） 朱浩然（Haoran Zhu） 陈子娟（Zijuan Chen） 杨光友（Guangyou Yang） 杨文（Wen Yang）

《Remote Sensing》：Towards Balanced Supervision: Cumulative Quality-Based Dynamic Assignment for Fine-Grained Remote Sensing Object Detection Yida Pan, Haoran Zhu, Zijuan Chen, Guangyou Yang and Wen Yang

　　

摘要

细粒度对象检测（FGOD）在遥感图像中识别视觉上相似的子类别至关重要。然而，现有的检测算法存在严重的监督不平衡问题，因为静态的标签分配策略将固定数量的正样本分配给所有子类别和目标。为了解决这个问题，本文提出了基于累积质量的动态分配算法（CQDA），该算法根据对象的累积对齐质量动态计算每个对象的最优正样本数量。此外，为进一步解决特征空间混淆问题，本文引入了两个模块：一个频率解耦的增强算法用于增强区分性特征，以及一个正交分类头用于最大化类别间的可区分性。将这两种算法集成到KFIoU框架中后，大量实验表明，所提出的方法在细粒度定向对象检测数据集FAIR1M-v2、MAR20和ShipRSImageNet上的mAP@0.5指标分别提升了4.2%、15.8%和35.3%。