RiO-DETR：面向实时倾斜目标检测的 DETR
计算机视觉与模式识别
2026-03-11 v1
摘要
我们提出了RiO-DETR：面向实时倾斜目标检测的 DETR，目前在这一领域内尚无类似的实时倾斜检测变换模型。将 DETR 应用于倾斜边界框（OBBs）存在三个挑战：语义相关的方向、导致标准欧几里得细化失效的角度周期性，以及扩大的搜索空间导致收敛速度下降。RiO-DETR 通过任务原生设计解决这些问题，同时保持实时效率。首先，我们提出了内容驱动的角度估计，通过解耦角度与位置查询，结合旋转校正正交注意力以捕获可靠方向的互补线索。其次，解耦周期细化结合有界的粗到细更新与最短路径周期损失，实现跨角度缝隙的稳定学习。最后，倾斜稠密 O2O 注入角度多样性，无需额外成本即可加速角度收敛。在 DOTA-1.0、DIOR-R 和 FAIR-1M-2.0 上的大量实验表明，RiO-DETR 建立了实时倾斜检测的新的速度-精度权衡。代码将公开释放。
引用
@article{arxiv.2603.09411,
title = {RiO-DETR: DETR for Real-time Oriented Object Detection},
author = {Zhangchi Hu and Yifan Zhao and Yansong Peng and Wenzhang Sun and Xiangchen Yin and Jie Chen and Peixi Wu and Hebei Li and Xinghao Wang and Dongsheng Jiang and Xiaoyan Sun},
journal= {arXiv preprint arXiv:2603.09411},
year = {2026}
}
备注
30 pages, 9 figures