【YOLO】基于旋转矩形边界框的目标检测方法综述

旋转目标检测旨在精确定位图像中任意方向的目标，输出带角度的矩形框（旋转框），广泛应用于遥感、自动驾驶、文档分析等领域。以下从方法分类、技术演进、核心挑战与解决方案等方面展开详解。

---

一、方法分类与技术演进​

1. ​传统方法（2010年代初期）​​

• ​手工特征+几何建模​：
  使用HOG、SIFT等特征提取目标边缘和纹理，结合滑动窗口和几何变换（如旋转模板匹配）。
  • ​局限性​：计算效率低，难以处理复杂背景和多尺度目标。

2. ​深度学习早期方法（2016-2018）​​

• ​旋转锚框法（RRPN）​​：
  • 在Faster R-CNN基础上引入旋转锚框，生成多角度候选区域（如0°、30°、60°）。
  • ​缺点​：锚框数量爆炸，计算开销大，角度回归存在边界跳变问题。
• ​旋转ROI对齐（RROI Align）​