dujuancao11的博客

摘要光学遥感图像中的目标检测是一项重要且具有挑战性的任务。近年来，基于卷积神经网络的方法取得了良好的进展。然而，由于目标尺度、纵横比和任意方向变化较大，检测性能难以进一步提高。在本文中，我们讨论了鉴别特征在目标检测中的作用，然后提出了一个关键特征捕获网络（CFCNet），从三个方面提高检测精度：构建强大的特征表示、细化预设锚和优化标签分配。具体地说，我们首先将分类和回归特征解耦，然后通过极化注意模块（PAM）构建适合各自任务的鲁棒关键特征。利用提取的判别回归特征，旋转锚优化模块（R-ARM）对预设水平

博客学习笔记：https://blog.csdn.net/mary_0830/article/details/103100001 ICCV2019 |论文阅读——SCRDet：Towards More Robust Detection for Small, Cluttered and Rotated Objects

【论文阅读】A2S-Det: Efficiency Anchor Matching in Aerial Image Oriented Object Detection

读了一半，暂时放下，有空再来读。论文地址：https://arxiv.org/abs/2111.03420

简单记录总结一下读过的旋转目标检测论文。AProNetAProNet: Detecting objects with precise orientation from aerial images论文地址：AProNet: Detecting objects with precise orientation from aerial images - ScienceDirect论文代码：GitHub - geovsion/AProNetD...

arxiv论文地址：https://arxiv.org/abs/2012.04150代码：https://github.com/ming71/DAL以下翻译多有不准确，自行理解吧。以下是自己的一些笔记理解。

论文地址：https://arxiv.org/abs/2109.10187v5以下是自己的学习笔记，留给自己复习。

(1) 一种新的角度表示，即基于轴投影的角度表示，它没有角度周期性问题。(2) 特征增强模块，提取几何相关信息，用于有效学习基于轴投影的角度表示。(3) 一种新颖的自适应损失函数，为具有新角度表示的有效网络训练提供指导。基于上述事实，我们的作品在理念和性能上都与现有作品有所不同。将来，我们希望利用所提出的基于轴投影的角度学习对更多类型的任意定向对象的有效性。这样表达很说明问题

这位博主写的很好，我就不班门弄斧了，前来学习，手写一些笔记让自己记忆深刻一些。FCOSR: A Simple Anchor-free Rotated Detector for Aerial Object Detection阅读笔记_风行-CSDN博客以下是我自己的手写笔记，字很丑==，留给自己看。...

Oriented Object Detection with Transformer阅读笔记_风行-CSDN博客

论文原文链接：Align Deep Features for Oriented Object Detection | IEEE Journals & Magazine | IEEE Xplore面向对象检测的深度特征对齐代码链接：https://github.com/csuhan/s2anet关键点：refined single stage, feature alignmentResNet50/ResNet101 79.42/79.15摘要在过去...

SCRDet++: Detecting Small, Cluttered and Rotated Objects via Instance-Level Feature Denoising and Rotation Loss SmoothingSCRDet++:通过实例级特征去噪和旋转损失平滑检测小的、杂乱的和旋转的物体论文地址：https://arxiv.org/abs/2004.13316

论文地址：https://arxiv.org/abs/1908.05612摘要旋转检测是一项具有挑战性的任务，因为它难以定位多角度目标并将其有效地从背景中分离出来。虽然已经取得了相当大的进展，但在实际设置中，旋转物体的宽高比大、分布密集、类别极不平衡仍然存在挑战。在本文中，我们提出了一个端到端精细化的单级旋转检测器，通过使用从粗粒度到细粒度的逐步回归方法来快速和准确地检测目标。针对现有精细化单级检测器存在的特征不匹配的缺点，设计了特征精细化模块，通过获取更准确的特征来提高检测性能...

论文地址：Feature Adaption with Predicted Boxes for Oriented Object Detection in Aerial Images | SpringerLink目录摘要1 介绍2 相关工作2.1 面向对象检测2.2 特性适应2.3 回归损失3 提出的方法3.1 特征适配模块3.2 解耦的分支3.3 角度回归损耗4 实验与分析4.1 数据集4.2 实现细节4.3 消融研究4.4 DOTA可...

Towards Multi-class Object Detection in Unconstrained Remote Sensing Imagery面向无约束遥感图像的多分类目标检测论文地址：https://arxiv.org/abs/1807.02700好像没有代码《ReDet》论文中的定向对象检测：为了检测任意方向的目标，一些方法[1,22,43]采用了许多具有不同角度、比例和长宽比的旋转锚框，以便更好地回归，同时增加了计算复杂性。（参考文献1）摘要遥感图像无...

ReDet: A Rotation-equivariant Detector for Aerial Object DetectionReDet：一种用于航空目标检测的旋转等变检测器https://arxiv.org/abs/2103.07733摘要近年来，航空图像中的目标检测在计算机视觉中得到了广泛的关注。与自然图像中的目标不同，航空目标往往以任意方向分布。因此，检测器需要更多的参数来编码方向信息，这通常是高度冗余和低效的。此外，由于普通CNN没有明确地建模方向变化，因此...

旋转目标检测方法解读（KLD, NeurIPS2021）旋转目标检测方法解读（KLD, NeurIPS2021） - 知乎Learning High-Precision Bounding Box for Rotated Object Detection via Kullback-Leibler Diverge通过Kullback-Leibler Divergence学习旋转目标检测的高精度包围盒摘要现有的旋转目标探测器大多继承了水平探测范式，后者已经发展成为一个成...

Oriented R-CNN for Object Detection 论文解读_长歌丶采薇的博客-CSDN博客Oriented R-CNN：面向旋转目标检测的 R-CNN（ICCV2021）_凌青羽的博客-CSDN博客本博客是直接翻译的结果，翻译过程难免会有不准确，可评论指出。摘要目前最先进的两级探测器通过耗时的方案产生定向建议。这降低了探测器的速度，从而成为高级面向对象检测系统的计算瓶颈。本文提出了一种有效且简单的定向对象检测框架，即定 向R-CNN，它是一种通用的...