旋转框的两种等价写法让半监督检测器误判:Oriented Semi-DETR在DOTA-v2.0各标注比例上提升mAP
核心概要
航拍图像中的旋转框存在两种参数写法描述同一矩形,半监督检测器会因此把定位正确的学生框当作错误并丢弃。Oriented Semi-DETR在伪框进入训练的三个位置消除这一歧义:回归目标选与学生预测更近的写法,匹配代价对两种写法取最小,伪标签去噪提前启动并按教师分数与编码间隔加权。在DOTA-v2.0的10%、20%、30%标注比例上,其mAP分别比最佳DETR类基线高1.78、2.18、2.59点,严格IoU阈值下增益更大。
深度剖析
半监督航拍目标检测中,旋转框的参数到矩形是二对一的映射,同一矩形有两种参数写法,而回归损失、匈牙利匹配代价和高斯混合模型过滤都直接在这些参数上计算。 此前的半监督DETR方法Semi-DETR与Sparse Semi-DETR并非为旋转框设计,都没有处理这两种等价写法;在20k迭代时,16.9%的匹配伪框—查询对中,交换后的写法反而离学生预测更近。 在DOTA-v2.0上,Oriented Semi-DETR在10%、20%、30%标注比例下mAP分别为27.61、30.69、32.19,比最佳DETR类基线高1.78、2.18、2.59点,严格IoU阈值下高2.15、3.39、4.04点。
方法在伪框进入训练的三个位置消除歧义,且不增加参数、不增加前向计算。 交换对齐目标选择把回归目标换成离学生预测更近的那种写法,交换不变可靠性代价在匹配代价内对两种写法取最小,交换感知伪标签去噪把去噪起点从160k提前到120k并做10k线性升温。 在30%标注比例下,仅对监督去噪目标应用该规则即把mAP从28.69提到30.14,再加入普通回归目标升到31.89,三项回归目标全部对齐时为31.95。
启示与展望
实验全部在DOTA-v2.0上进行,由官方服务器在test-dev上评测,检测器为ResNet-50主干的DINO,训练180k迭代;10%、20%、30%划分沿用Semi-DETR的部分标注协议,全标注设置把整个trainval集作为有标注数据、test-challenge图像作为无标注数据。所有运行的one-to-many预热长度等于总调度,因此结果只说明one-to-many阶段,one-to-one阶段的效果尚未测试。
可靠性代价的单独作用来自固定代价对照与交换不变代价对照之间的不平衡比较,前者只训练一次、后者训练三次,作者指出应在同等条件下重跑。角度惩罚形式的比较中,三种形式在交换处的取值不同,因此该比较识别的是更好的配置而非单独隔离函数形状。所有运行使用同一随机种子,报告的是固定种子下剩余非确定性的平均,不支持显著性检验。诊断只取128张无标注图像,同图样本高度相关,未给出置信区间,且类别构成不均,长宽比与类别相互混淆。
