Faster RER-CNN 论文笔记

《Faster RER-CNN: application to the detection of vehicles in aerial images》

• arXiv：https://arxiv.org/abs/1809.07628

解决什么问题

目标检测（Object Detection）是一个宽泛、通用的任务，旨在检测"万物"。但实际应用上，我们只需要检测部分物体即可。如常见的车牌检测、人脸检测和场景文字检测等。

如果直接将经典的目标检测算法（如Faster R-CNN、YOLO和SSD等）应用在指定任务上，比如利用pre-trained的网络对指定数据集进行fine-tune，一般也可以获得较好的mAP。但这里只是凑合解决，并不够完美契合。

本文要解决的问题就是在航空遥感图像（aerial image）上检测"小"且"旋转"的车辆。

• "小"是相对的，是指该物体在整幅图像中的相对大小。其实类似于小目标检测问题。
• "旋转"是指物体具体方向角度，不是四边绝对垂直的边界框，而是带有旋转角度的边界框（但相对垂直）。

看不懂我的描述？没关系，看下面的图示就知道了。常规的BBS（bounding boxes）已经不能满足于这项任务了，必须设计一种算法检测出带角度的BBS，其实后者计算的区域和原物体更加吻合，冗余信息更少（嘻嘻，冗余信息最少的还是segmentation）。