论文阅读---SCRDet---Towards More Robust Detection for Small, Clutteredand Rotated Objects

Towards More Robust Detection for Small, Clutteredand Rotated Objects

（对小的、杂乱的和旋转的物体进行更稳健的检测）

开源代码：https://github.com/DetectionTeamUCAS
论文地址：https://arxiv.org/abs/1811.07126

摘要（Abstract）

目标检测一直是计算机视觉的一个重要组成部分。虽然已经取得了相当大的进展，但对于小尺寸、任意方向、密集分布的物体仍然存在挑战。除了自然图像外，这些问题对于非常重要的航空图像尤其突出。本文提出了一种新的多目标旋转检测器，即SCRDet。设计了一种融合多层特征和有效锚点采样的采样融合网络，提高了对小目标的灵敏度。同时，通过抑制噪声和突出物体特征，探索了监督像素注意网络和通道注意网络对小而杂乱物体的检测。为了更精确的旋转估计，在平滑的L1损失中加入IoU常数因子来解决旋转边界盒的边界问题。在两个遥感公共数据集DOTA, NWPU VHR-10，以及自然图像数据集COCO, VOC2007和场景文本dataicdar2015上进行了大量的实验，展示了我们的探测器的最新性能。

介绍（Introduction）

作者通过对一些现象的分析

提出三个问题

1. 小对象。航拍图像往往包含了被复杂的环境场景淹没的小物体。
2. 凌乱的安排。被探测的物体通常密集排列，例如车辆和船只。
3. 任意方向。航空图像中的物体可以以不同的方向出现。
   

网络框架