MO R-CNN：用于遥感图像多光谱目标检测的多光谱有向 R-CNN
计算机视觉与模式识别
2025-09-23 v1
摘要
多光谱图像的有向目标检测面临由于各模态间及模态内部差异带来的显著挑战。虽然现有方法通过复杂的网络结构提高了检测精度，但其高计算复杂度和内存消耗严重限制了性能。灵感来源于遥感领域中大卷积核的成功，我们提出了 MO R-CNN，一种轻量级的多光谱有向检测框架，包含异构特征提取网络（HFEN）、单模态监督（SMS）和条件多模态标签融合（CMLF）。HFEN 利用模态间差异实现自适应特征对齐、合并与增强；SMS 约束多尺度特征，使模型能够从多个模态中学习；CMLF 根据特定规则融合多模态标签，为模型提供更稳健且一致的监督信号。在 DroneVehicle、VEDAI 和 OGSOD 数据集上的实验表明，我们方法的优越性。源代码地址：https://github.com/Iwill-github/MORCNN。
引用
@article{arxiv.2509.16957,
title = {MO R-CNN: Multispectral Oriented R-CNN for Object Detection in Remote Sensing Image},
author = {Leiyu Wang and Biao Jin and Feng Huang and Liqiong Chen and Zhengyong Wang and Xiaohai He and Honggang Chen},
journal= {arXiv preprint arXiv:2509.16957},
year = {2025}
}