使用TensorFlow对象检测表示具有角度的边界框

Question

当前版本的Tensorflow对象检测API支持无角度的边界框的表示 - 由xmin，ymin，xmax，ymax表示。

我正在寻找能够用角度/方向来表示（和预测）边界框的想法。

像这样：

Answer 1

使用反向传播来识别对激活最有贡献的像素，并设置合理的阈值来识别哪些像素属于对象。

默认算法执行此操作然后计算所选像素的轴对齐边界框（因为它非常简单）。您需要运行另一个允许任意方向的边界框算法。维基百科有一些想法（link）。

关于如何获得有趣的像素，你可以在tensorflow代码中查看它。

Answer 2

定向边界框是一个非常有趣的主题，它已被基于深度学习的对象检测方法所忽略，并且很难找到数据集。

最近我发现一篇非常有趣的论文/数据集/挑战（特别是因为他们关注定向框）可以在这里找到：

http://captain.whu.edu.cn/DOTAweb/index.html

他们不会分享他们修改Fater-RCNN的代码（也没有在论文中提供太多细节）来使用定向边界框，但数据集本身和表示讨论非常有用。