Partial Weakly-Supervised Oriented Object Detection

会议: CVPR 2026
论文: CVF Open Access
代码: https://github.com/VisionXLab/PWOOD
领域: 目标检测 / 旋转框检测 / 弱监督 / 遥感
关键词: 旋转目标检测, 部分弱监督, 师生框架, 伪标签过滤, 标注成本

一句话总结

本文提出"部分弱监督旋转目标检测（PWOOD）"这一新设定——只用少量弱标注（水平框或单点）+ 大量无标注数据，配合能从弱标注里学到朝向与尺度的师生学生模型（OS-Student）和基于高斯混合的类无关伪标签过滤（CPF），在 DOTA / DIOR 上以更低标注成本逼近甚至超过用旋转框的半监督方法。

研究背景与动机

领域现状：旋转目标检测（OOD）在遥感等领域需求旺盛，但旋转框（RBox）标注昂贵。现有方案大致三类：① 全监督（用完整 RBox）；② 半监督 SOOD（用一部分 RBox + 无标注）；③ 弱监督 WOOD（用水平框 HBox 或单点等便宜标注）。三类都在"标注速度/成本"上各有牺牲。

现有痛点：半监督仍依赖昂贵的旋转框；弱监督虽便宜，但已有方法默认对全部数据都做弱标注，没有充分利用"少量弱标注 + 海量无标注"这种更省钱的组合。换言之，没人把"部分标注"和"弱标注"这两个降本维度叠在一起用。

核心矛盾：弱标注（尤其单点）天生缺失朝向和尺度信息，而师生半监督框架又高度依赖静态阈值筛选伪标签——训练早期教师弱、分数普遍偏低，后期教师强、分数升高，固定阈值无法适配这种动态分布，导致阈值不一致、鲁棒性下降。

本文目标：① 定义并打通"部分弱监督"这一更省钱的设定；② 让学生模型仅凭少量"缺朝向/缺尺度"的弱标注也能学到精确位姿；③ 用自适应阈值取代静态阈值，提升伪标签质量。

切入角度：作者继承师生范式，但给学生注入朝向学习与尺度学习两条自监督路径来补全弱标注缺的信息，并把伪标签筛选建模成一个可用 EM 求解的高斯混合分类问题。

核心 idea：用"部分弱标注预训练 + 无标注自训练"的师生框架，配一个会从弱标注里学朝向与尺度的 OS-Student 和一个动态调阈值的类无关伪标签过滤器（CPF）。

方法详解

整体框架

PWOOD 是一个师生（teacher-student）自训练框架，教师与学生共享主干/颈/头（FCOS + ResNet50 + FPN）。先用少量弱标注数据（部分 HBox 或部分点）预训练 OS-Student，其中朝向学习与尺度学习模块让学生从弱标注里学出朝向与尺度；到达 burn-in 步后把学生权重镜像给教师。随后引入无标注数据：教师对弱增强视图出预测，经 CPF（基于高斯混合 + EM 的动态阈值）筛出高质量伪标签，去监督学生在强增强视图上的预测；学生再用 EMA 反过来更新教师，形成正反馈，伪标签质量随训练逐步提升。

%%{init: {'flowchart': {'rankSpacing': 24, 'nodeSpacing': 28, 'padding': 6, 'wrappingWidth': 400}}}%%
flowchart TD
    A["少量部分弱标注<br/>HBox / 单点"] --> B["预训练 OS-Student"]
    B --> C["朝向学习<br/>对称翻转/旋转 + 角度损失"]
    B --> D["尺度学习<br/>高斯重叠上界 + Voronoi分水岭下界"]
    C --> E["burn-in 后镜像权重给教师"]
    D --> E
    E --> F["教师对无标注弱增强出分数"]
    F --> G["类无关伪标签过滤 CPF<br/>GMM + EM 动态阈值"]
    G --> H["伪标签监督学生强增强预测"]
    H -->|EMA 反向更新教师| F

关键设计

1. 朝向学习：用对称/旋转的自监督一致性从弱标注里抠出朝向

水平框和单点都不含朝向，作者借鉴对称学习（H2RBox-v2）让学生学朝向。训练时把输入图垂直翻转或随机旋转角度 \(\theta\) 得到变换视图，原图与变换视图都过网络出预测；弱标注也做同样变换形成弱监督对，同时由于原图与变换视图间存在确定映射，两者预测应满足同一映射关系，从而构成自监督对。据此定义角度损失（Smooth-L1）：

\[L^s_{Ang}=\begin{cases}L^s_{Ang}(\theta_{flip}+\theta,\,0), & trans=flip\\ L^s_{Ang}(\theta_{rot}-\theta,\,R), & trans=rotate(\theta)\end{cases}\]

即按变换类型（翻转/旋转）约束预测角度与几何变换一致。通过弱监督与自监督两条支路，学生在只有水平框的弱标注设定下也能学到精确朝向。

2. 尺度学习：用高斯重叠定上界、Voronoi 分水岭定下界来补出尺度

单点标注连尺度都没有，作者用空间布局学习（spatial layout learning）从上下两个边界把尺度框住。上界：把旋转框看作高斯分布，用 Bhattacharyya 系数度量不同预测框间的高斯重叠，通过最小化重叠避免框无限膨胀——\(L^s_O=\frac{1}{N}\sum_{i,j\neq i}B(\mathcal{N}_i,\mathcal{N}_j)\)，\(B\) 为第 \(i,j\) 个预测框高斯分布的 Bhattacharyya 系数。下界：以 Voronoi 图的脊线作背景标记、点标注作前景标记，用分水岭算法分割出每个物体的盆地区域；把盆地区域旋转到当前预测朝向后回归出宽高目标，再用高斯 Wasserstein 距离损失 \(L^s_W=L_{GWD}\) 回归宽 \(w_t\)、高 \(h_t\)。一上一下两个边界共同约束，让模型在缺尺度的点标注下也能给出合理框大小。

3. 类无关伪标签过滤（CPF）：用高斯混合 + EM 动态调阈值取代静态阈值

针对静态阈值无法适配教师分数动态分布的痛点，作者把教师对各伪框的置信分数建模成两个一维高斯的混合：\(P(s)=w_p\mathcal{N}_p(\mu_p,\sigma_p^2)+w_n\mathcal{N}_n(\mu_n,\sigma_n^2)\)，分别对应正、负样本分布。正分布均值初始化为预测分数最大值、负分布初始化为最小值，两个权重各设 0.5。用 EM 算法迭代求出后验 \(P_p\)（某检测应被当作伪物体的似然），取使正样本后验最大的分数作为动态阈值 \(T_d=\arg\max_s P_p(s,\mu_p,\sigma_p^2)\)。因为只看分数分布、不区分类别，CPF 是"类无关"的，能随训练阶段自适应地把阈值往合适位置挪，缓解阈值不一致、提升伪标签稳定性。

损失函数 / 训练策略

学生监督损失 \(L_s=\alpha_1 L^s_{cls}+\alpha_2 L^s_{cen}+\alpha_3 L^s_{box}+\alpha_4 L^s_{Ang}+\alpha_5 L^s_O+\alpha_6 L^s_W\)，其中分类/中心度/框损失沿用 FCOS（focal / 交叉熵 / IoU），\((\alpha_1,\alpha_2,\alpha_3)=1\)，\((\alpha_4,\alpha_5,\alpha_6)=(0.2,10,5)\)。无标注侧损失 \(L_u=\omega(L^u_{cls}+L^u_{cen}+L^u_{box})\)，权重 \(\omega\) 与各点分数挂钩、让高置信点贡献更大。总损失 \(L=\alpha L_s+\beta L_u\)，\(\alpha=\beta=1\)。基于 MMRotate 实现，AdamW 优化，30%/全量设定训 180k 步、10%/20% 训 120k 步。

实验关键数据

主实验

在 DOTA-v1.0/v1.5/v2.0 与 DIOR 上评测，指标为 mAP（DOTA 体系按 AP50 口径），分别取 10%/20%/30% 图像作有标注、其余作无标注。Vanilla Baseline 是简化版 MCL（去 GCA/CCSL）的 SOOD 基线，用部分旋转框；PWOOD 用更便宜的部分 HBox / 部分点。下表为 DIOR 与 DOTA-v1.0/v2.0（mAP, %）：

方法 (标注)	DIOR 20%	DOTA-v1.0 20%	DOTA-v2.0 20%
H2RBox-v2 (WOOD, 部分HBox)	51.33	54.38	28.56
Vanilla Baseline (SOOD, 部分RBox)	57.07	62.82	34.03
PWOOD (部分HBox)	57.89	62.93	36.39
PWOOD (部分Point)	35.17	45.01	18.49

PWOOD 用水平框就追平/超过了用昂贵旋转框的 SOOD 基线（如 DIOR：54.33/57.89/60.42 vs 54.01/57.07/60.25），并在 DOTA-v2.0 上更明显地领先（小物体多、HBox 设定更占优）。

DOTA-v1.5 对比

方法 (标注)	10%	20%	30%
H2RBox-v2 (WOOD)	42.19	49.01	55.19
SOOD (部分RBox)	48.63	55.58	59.23
MCL (部分RBox)	52.61	59.63	62.63
Vanilla Baseline (部分RBox)	49.53	58.28	61.00
PWOOD (部分HBox)	52.87	59.36	61.58
PWOOD (部分Point)	35.33	41.54	43.02

关键发现

• HBox 设定整体可比甚至超 RBox 半监督：DOTA-v1.5 上 PWOOD(HBox) 比同比例 SOOD 基线提升约 +3.34%/+1.08%/+0.58%（10/20/30%），即用更便宜的标注拿到相当或更好结果。
• 大幅碾压纯弱监督 WOOD：相比同样只用部分 HBox 的 H2RBox-v2，DOTA-v1.5 上提升 10.68%/10.35%/6.39%，DIOR 上 6.56%~9.79%，说明充分挖掘无标注数据是关键收益来源。
• 点标注仍有差距：部分点设定（如 DOTA-v1.5 35.33~43.02）明显低于 HBox，单点缺尺度/朝向信息更难，是更具挑战的廉价设定。
• 标注比例越低（10%），PWOOD 相对优势越大，越能体现"省标注"的价值。

亮点与洞察

• 叠加两个降本维度：把"部分标注（半监督）"和"弱标注（HBox/点）"两个省钱方向合并成 PWOOD 新设定，是一个清晰且实用的问题定义，给标注预算有限的遥感场景提供新选项。
• 从弱标注里学位姿：朝向学习（对称一致性）+ 尺度学习（高斯重叠上界 + Voronoi 分水岭下界）让学生从缺朝向/缺尺度的标注里"补"出旋转框，这套上下界夹逼的尺度学习思路可迁移到其它缺尺度的弱监督任务。
• 把阈值选择变成可学问题：CPF 用 GMM+EM 把"该不该当伪标签"建模成正负分布的后验判别，动态阈值随教师能力演进，避免手调静态阈值，思路通用、可复用到其它半监督检测。

局限与展望

• 点标注效果仍弱：单点设定 mAP 明显落后 HBox，缺尺度/朝向先验导致下界估计噪声大，论文也将其列为初步（preliminary）结果。
• 依赖弱标注质量与比例：极低比例（<10%）或弱标注本身噪声大时的稳健性未充分探究。
• 多模块多损失、超参较多：\((\alpha_4,\alpha_5,\alpha_6)\)、\(\alpha/\beta\)、burn-in 步数等需调，完整敏感性放在补充材料。
• ⚠️ 框架图中的损失符号（\(L^s_A/L^s_O/L^s_W\)、\(M\) 等）与部分数值来自 OCR 文本重排，记号/精确数字以原文为准。

相关工作与启发

• vs SOOD / MCL（半监督 OOD）：SOOD 用最优传输定义代价矩阵、MCL 引入高斯中心度与自适应标签分配，但都依赖旋转框；PWOOD 把监督换成更便宜的部分 HBox/点，并用 CPF 替掉静态阈值，做到"用更弱标注拿可比结果"。
• vs H2RBox-v2 / Point2RBox-v2（弱监督 OOD）：它们用全量弱标注但不利用无标注数据；PWOOD 只用部分弱标注 + 海量无标注，在同设定下大幅领先（DOTA-v1.5 +6~10%）。
• vs Wholly-WOOD / PointOBB 系列：同属降低标注成本路线，PWOOD 的差异在于把"部分 + 弱 + 无标注自训练"统一进一个师生框架，并支持多种弱标注形式（HBox/点）切换。

评分

• 新颖性: ⭐⭐⭐⭐ 首次提出部分弱监督 OOD 设定，问题定义实用
• 实验充分度: ⭐⭐⭐⭐ DOTA 三版本 + DIOR、多标注比例与形式较全面
• 写作质量: ⭐⭐⭐⭐ 动机清晰，符号与损失略密
• 价值: ⭐⭐⭐⭐ 给遥感等高标注成本场景提供省钱且有效的训练方案

相关论文

• [ICLR 2026] SPWOOD: Sparse Partial Weakly-Supervised Oriented Object Detection
• [CVPR 2026] Fourier Angle Alignment for Oriented Object Detection in Remote Sensing
• [ICLR 2026] Bootstrapping MLLM for Weakly-Supervised Class-Agnostic Object Counting (WS-COC)
• [CVPR 2026] From Detection to Association: Learning Discriminative Object Embeddings for Multi-Object Tracking
• [CVPR 2026] Black-Box Domain Adaptation for Object Detection with Retention-Driven Knowledge Compression