【遥感目标检测】基于遥感图像的目标检测算法综述(DOTA/R2CNN/ROI Transformer/CAD-Net/SCRDet/Gliding Vertex)
- DOTA数据集:
- R2CNN: Rotational Region CNN for Orientation Robust Scene Text Detection
- Learning roi transformer for oriented object detection in aerial images
- CAD-Net: A Context-Aware Detection Network for Objects in Remote Sensing Imagery
- SCRDet: Towards More Robust Detection for Small, Cluttered and Rotated Objects
- Gliding vertex on the horizontal bounding box for multi-oriented object detection:
- 关注我的公众号:
DOTA数据集:
1.简介:
DOTA是武大遥感国重实验室和华科电信学院合作做的一个航拍图像数据集,从不同的传感器和平台众包收集了2806个航拍图像,每一个图像是大小为4000*4000,包括15中目标类别,注释后的完整数据集图像包括188282个实例,每一个被一个任意四边形标记。
2.航拍图像特点:
(1)航拍图像目标检测的实例数量级更大。
(2)许多小物体实例在航拍图像中是聚集在一起的。
(3)航拍图像中物体出现的频率是非常不平衡的。
(4)航拍图像中物体常常以任意的位置出现,有一些实例常常有着比较夸张的纵横比。
3.Baseline:
使用了改进的Faster-RCNN;
R2CNN: Rotational Region CNN for Orientation Robust Scene Text Detection
1.主要贡献:
提出了Rotational Region CNN算法解决旋转目标的检测。注:作者没有使用角度来表示方位信息,而是使用顺时针方向的前两个点的坐标和边界框的高度来表示倾斜的矩形(x1,y1,x2,y2,h)。