Retail50K

鼓励社区为更复杂的环境调整定向边界框 (OBB) 检测器的数据集。使用定向边界框 (OBB) 的对象检测可以通过减少与背景区域的重叠来更好地定位旋转对象。现有的 OBB 方法大多建立在水平边界框检测器的基础上，通过引入由距离损失优化的额外角度维度。然而，由于距离损失仅使 OBB 的角度误差最小化，并且它与 IoU 的相关性松散，因此它对高纵横比的物体不敏感。因此，一种新颖的损失，Pixels-IoU (PIoU) Loss，被制定为利用角度和 IoU 来实现准确的 OBB 回归。 PIoU 损失源自 IoU 度量，采用逐像素形式，简单且适用于水平和定向边界框。为了证明其有效性，我们评估了基于锚和无锚框架的 PIoU 损失。实验结果表明，PIoU 损失可以显着提高 OBB 检测器的性能，尤其是在具有高纵横比和复杂背景的物体上。此外，之前的评估数据集不包括对象具有高纵横比的场景，因此引入了新的数据集 Retail50K，以鼓励社区将 OBB 检测器用于更复杂的环境。