Hausdorff Distance Matching with Adaptive Query Denoising for Rotated Detection Transformer

Sintesi Tecnica: Matching con Distanza di Hausdorff e Denoising Adattivo delle Query per Rotated Detection Transformer

Enunciato del Problema
Mentre i Detection Transformer (DETR) hanno stabilito nuovi benchmark nel rilevamento di oggetti orizzontali, la loro applicazione al rilevamento di oggetti ruotati (utilizzando bounding box orientate) è rimasta indietro rispetto ai rilevatori orientati specializzati. Gli autori identificano due principali colli di bottiglia che ostacolano le prestazioni dei modelli DETR ruotati:

1. Il problema "quasi quadrato" nel Matching Bipartito: Il matching bipartito standard in DETR si basa sulla distanza L1 per i costi di localizzazione. Nel rilevamento ruotato, questa metrica causa discontinuità dei confini e problemi "quasi quadrati", dove il modello assegna ground truth a previsioni che condividono lo stesso angolo ma sono spazialmente distanti o hanno una bassa Intersezione sull'Unione (IoU). Ciò porta a previsioni duplicate a bassa confidenza, violando il principio fondamentale di DETR del matching uno-a-uno.
2. Limitazioni del Denoising Statico delle Query: I metodi esistenti di denoising delle query (ad esempio in DINO) introducono rumore ai ground truth per accelerare l'addestramento iniziale. Tuttavia, man mano che il modello migliora, le sue previsioni possono diventare più accurate dei ground truth rumorosi. Il denoising statico costringe il modello a continuare ad apprendere da questi target inferiori e rumorosi, il che ostacola le prestazioni nelle fasi successive dell'addestramento.

Metodologia
Gli autori propongono RHINO (Rotated detection transformer with Hausdorff distance matching), una baseline basata su DINO potenziata con due componenti innovative:

1. Distanza di Hausdorff per il Matching Bipartito:
   Per risolvere il problema "quasi quadrato", gli autori sostituiscono il costo standard della distanza L1 con la distanza di Hausdorff.

   • Meccanismo: La distanza di Hausdorff calcola la distanza massima tra gli insiemi di punti che definiscono due bounding box (utilizzando specificamente i punti angolari o i punti medi dei bordi).
   • Effetto: A differenza di L1, che enfatizza eccessivamente le differenze di angolo anche dopo la normalizzazione, la distanza di Hausdorff tiene conto dell'allineamento degli assi e della sovrapposizione spaziale delle box. Ciò garantisce che i ground truth siano abbinati a previsioni con una maggiore coerenza geometrica, eliminando efficacemente le previsioni duplicate a bassa confidenza.
   • Implementazione: Il modello estende la rappresentazione standard della box 4D a coordinate 5D $[x, y, w, h, \theta]$, mappando l'angolo $\theta$ da $[0, 180^\circ]$ a $[0, 1]$ per integrarsi perfettamente con i componenti DETR esistenti come il raffinamento iterativo e l'attenzione deformabile.

2. Denoising Adattivo delle Query:
   Per affrontare il problema dell'apprendimento da target rumorosi nelle fasi successive dell'addestramento, gli autori introducono un meccanismo di filtraggio adattivo.

   • Meccanismo: Invece di utilizzare ciecamente tutte le query positive rumorose per la supervisione, il metodo impiega un matching bipartito tra l'insieme delle query rumorose raffinate e le previsioni attuali del modello.
   • Filtraggio: Solo le query rumorose che vengono abbinati con successo al loro ground truth sorgente originale (cioè quelle che il modello non ha ancora "superato" o che rimangono il miglior abbinamento) vengono mantenute per la perdita di denoising. Le query che non sono più l'abbinamento ottimale vengono filtrate o trattate come sfondo.
   • Variante Migliorata: Viene proposta una "Adaptive Query Denoising Migliorata" (AQD*), che mantiene una perdita di regressione per le query filtrate per guidare ulteriormente il raffinamento della localizzazione, anche se non vengono selezionate per l'obiettivo di classificazione principale.

Contributi Chiave

1. Baseline Robusta: Gli autori progettano una baseline DETR semplice e robusta per il rilevamento ruotato che integra miglioramenti all'avanguardia (raffinamento iterativo, box di ancoraggio dinamiche, denoising contrastivo) senza richiedere moduli complessi progettati a mano o funzioni di perdita specializzate oltre alle modifiche proposte.
2. Costo della Distanza di Hausdorff: L'introduzione della distanza di Hausdorff come costo di matching mitiga con successo il problema "quasi quadrato" e le previsioni duplicate, portando a un addestramento più stabile e prestazioni superiori.
3. Denoising Adattivo delle Query: La proposta di una strategia di filtraggio dinamica che elimina selettivamente le query rumorose dannose man mano che l'accuratezza del modello migliora, impedendo al modello di regredire verso target rumorosi nelle fasi successive dell'addestramento.

Risultati Sperimentali
Il modello è stato valutato su quattro dataset standard di rilevamento di oggetti ruotati: DOTA-v1.0, DOTA-v1.5, DOTA-v2.0 e DIOR-R, in impostazioni di addestramento e test a scala singola.

• Miglioramenti delle Prestazioni: Rispetto ai modelli che utilizzano un backbone ResNet-50, RHINO ha ottenuto miglioramenti significativi:
  • DOTA-v2.0: +4.18 AP50.
  • DOTA-v1.5: +4.59 AP50.
  • DIOR-R: +4.99 AP50.
• Stato dell'Arte: RHINO ha stabilito nuovi benchmark su tutti i dataset testati. Ad esempio, su DOTA-v1.0, RHINO con un backbone Swin-Tiny ha raggiunto 79.42 AP50, superando i rilevatori precedenti basati su DETR e quelli basati su convoluzioni.
• Metriche ad Alta Precisione: Il modello ha dimostrato anche prestazioni superiori in AP75 (una metrica più rigorosa per l'accuratezza dell'orientamento), indicando che la distanza di Hausdorff migliora efficacemente la precisione angolare.
• Studi di Ablazione: Gli esperimenti hanno confermato che la sostituzione di L1 con la distanza di Hausdorff riduce le previsioni duplicate, e che il denoising adattivo supera il denoising statico con livelli di rumore fissi.

Significato
Il paper afferma che RHINO dimostra che i rilevatori basati su query possono eguagliare o superare le prestazioni dei rilevatori di oggetti orientati specializzati senza fare affidamento su cambiamenti architetturali complessi e specifici del dominio. Affrontando le discrepanze fondamentali nel matching bipartito e le limitazioni del denoising statico nel contesto degli oggetti ruotati, lo studio fornisce una baseline solida basata su DINO per la ricerca futura nel rilevamento di oggetti orientati. Il lavoro sottolinea il potenziale di adattare architetture DETR a scopo generale al rilevamento ruotato attraverso una attenta selezione delle metriche e strategie di addestramento adattivo.