Strip R-CNN：用于遥感目标检测的大条带卷积
计算机视觉与模式识别
2025-03-04 v4
摘要
尽管遥感目标检测取得了快速发展，仍面临着检测高长宽比目标的挑战。本文表明大条带卷积是遥感目标检测的优秀特征表示学习器，能够良好地检测各种长宽比的目标。基于大条带卷积，我们构建了一种名为Strip R-CNN的新型网络结构，该结构简单、高效且强大。不同于最近利用具有方形大内核卷积的遥感目标检测器，Strip R-CNN在我们的背板网络StripNet中采用顺序正交大条带卷积来捕获空间信息。此外，我们通过解耦检测头并在strip head中配备条带卷积来提高遥感目标检测器的定位能力。在多个基准数据集上进行大量实验，例如DOTA、FAIR1M、HRSC2016和DIOR，结果表明Strip R-CNN显著优于前人的工作。特别是，我们的30M模型在DOTA-v1.0上实现82.75%的mAP，创下新的状态突破纪录。我们的代码将公开提供。
关键词
引用
@article{arxiv.2501.03775,
title = {Strip R-CNN: Large Strip Convolution for Remote Sensing Object Detection},
author = {Xinbin Yuan and Zhaohui Zheng and Yuxuan Li and Xialei Liu and Li Liu and Xiang Li and Qibin Hou and Ming-Ming Cheng},
journal= {arXiv preprint arXiv:2501.03775},
year = {2025}
}