旋转目标检测：Deep Spatial Feature Transformation for Oriented Aerial Object Detection【方法解析】

Deep Spatial Feature Transformation for Oriented Aerial Object Detection

摘要

航空图像中的目标检测在计算机视觉领域引起了广泛关注。不同于自然图像，航空目标通常以任意方向分布。因此，现有的检测器通常需要更多的参数来编码方向信息，导致大量冗余计算。此外，普通卷积神经网络（CNN）不能有效地建模方向变化，因此航空检测器需要大量旋转数据。为了解决这些问题，我们提出了一种深度空间特征转换网络（DSFT-Net），包括空间特征提取模块和特征选择模块。具体来说，我们向检测器添加了旋转卷积核，以提取旋转目标的方向特征，从而准确预测模型的方向。然后，我们构建了一个双金字塔来分别处理分类和回归任务的特征。最后，我们提出了极化函数，以构建适用于各自任务的关键特征，实现特征选择和更精细的检测。对公共遥感基准（如DOTA、HRSC2016和UCAS-AOD）的实验证明了我们检测器的有效性。

关键词

卷积神经网络，定向目标检测，遥感图像，旋转对齐。

Fig. 1.通用探测器的体系结构。检测头共享特征金字塔网络中的特征图，导致分类和回归任务的不一致。