2020年8月3日 · 本文介绍了一种基于分类的旋转检测方法，解决了传统回归方法在边界条件下的不连续性问题，提出了圆形平滑标签（CSL）策略，显著提高了检测精度。

本文将向大家分享遥感旋转目标检测方法 Circular Smooth Label (CSL)。 目前流行的基于回归方式的角度预测方法都有或多或少的边界问题，一个主要的原因是理想的预测结果超出了我们所定义的范围，导致产生一个较大的损失值，因此CSL通过将角度的回归问题转换成 ...

简单来说，CSL总结了目前流行的基于回归方式的角度预测方法都有或多或少的边界问题，一个主要的原因是理想的预测结果超出了我们所定义的范围，导致产生一个较大的损失值，因此CSL通过将角度的回归问题转换成了一个分类问题，限制预测结果的范围来消除 ...

Densely Coded Labels (DCL)是 Circular Smooth Label (CSL) 的优化版本。 DCL主要从两方面进行了优化： 过于厚重的预测层以及对 类正方形目标检测 的不友好。

1997年6月27日 · About yolov5 + csl_label. (Oriented Object Detection)（Rotation Detection）（Rotated BBox）基于yolov5的旋转目标检测

2020年3月12日 · We also propose a circular smooth label (CSL) technique to handle the periodicity of the angle and increase the error tolerance to adjacent angles. We further introduce four window functions in CSL and explore the effect …

2023年4月5日 · 设计了基于粗粒度的高精度角度分类，通过将角度预测从回归问题转化为精度损失小的分类任务来解决边界问题；提出了一种圆形光滑标签（CSL）技术来处理角度的周期性。 提出现有的基于回归的旋转检测器存在不连续边界问题，边界不连续问题往往是由五参数方法的角周期性和八参数方法的角排序引起的，并证明根本原因是理想的预测超出了定义的范围。 边界不连续问题常常使模型在边界处的损失值突然增大。 将角度范围（例如180°）分为若干类别，每个类 …

2020年11月7日 · We also propose a circular smooth label (CSL) technique to handle the periodicity of the angle and increase the error tolerance to adjacent angles. We further introduce four window functions in CSL and explore the effect …

2022年4月21日 · 本文介绍了一种新颖的角度预测方法CircularSmoothLabel (CSL)，用于解决角度回归中的边界问题。 CSL通过将角度预测转化为分类问题，限制预测范围，消除超界损失。

Circular Smooth Label (CSL) is a classification-based rotation detection technique for arbitrary-oriented object detection. It is used for circularly distributed angle classification and addresses the periodicity of the angle and increases the error tolerance to adjacent angles.