论文名称：Oriented Object Detection in Aerial Images with Box Boundary-Aware Vectors 作者：Jingru Yi, Pengxiang Wu, Bo Liu, Qiaoying Huang, Hui Qu, Dimitris Metaxas 论文链接：https://arxiv.org/abs/2008.07043 代码地址：https://github.com/yijingru/BBAVectors-Oriented-Object-Detection 推荐理由 航拍图像中的定向对象检测是一项艰巨的任务，因为航拍图像中的对象以任意方向显示并且通常密集地包装。当前的面向对象的检测方法主要依赖于基于锚的两阶段检测器。然而，基于锚的探测器通常在正和负锚盒之间遭受严重的不平衡问题。为了解决这个问题，在这项工作中，作者将基于水平关键点的对象检测器扩展到定向对象检测任务。 具体而言，作者首先检测对象的中心关键点，然后基于此中心点回归框边界感知向量（BBAVectors）以捕获定向的边界框。对于所有任意定向的对象，盒边界感知矢量分布在笛卡尔坐标系的四个象限中。为了减轻学习角点情况下向量的难度，作者将定向边界框进一步分为水平边界框和旋转边界框。实验结果表明，学习框边界感知向量优于直接预测基线方法所采用的定向边界框的宽度，高度和角度。此外，所提出的方法与现有技术方法相比具有更好的效果。

本问主要贡献如下： •提出了盒边界感知向量（BBAVectors）来描述OBB。此策略简单但有效。对于所有任意定向的对象，在相同的笛卡尔坐标系中测量BBAVector。与学习OBB的宽度，高度和角度的基线方法相比，BBAVectors具有更好的性能。 •将基于中心关键点的对象检测器扩展到定向对象检测任务。 该模型是单级且无锚盒的，所所以快速而准确，并在DOTA和HRSC2016数据集上实现了最先进的性能。

内容中包含的图片若涉及版权问题，请及时与我们联系删除