Learning RoI Transformer for Detecting Oriented Objects in Aerial Images
Wuhan University（武汉大学）
由于鸟瞰视角、高度复杂的背景和物体的多变外观，航空图像中的目标检测是计算机视觉中一个活跃而又具有挑战性的任务。特别是当检测空间图像中密集堆积的对象时，依赖于用于普通目标检测的水平建议的方法经常在感兴趣区域（ROI）和对象之间引入失配。这导致最终对象分类置信度和定位精度之间的常见不对准。虽然旋转锚已被用来解决这个问题，他们的设计往往成倍的锚的数量和显着增加的计算复杂性。在本文中，我们提出了一个ROI Transformer来解决这些问题。更准确地说，为了提高区域建议的质量，我们首先设计了一个旋转的ROI（RRoI）学习器，将水平感兴趣区域（HRoI）转换为旋转感兴趣区域（RRoI）。基于RRoI，我们提出了一个旋转位置敏感的RoI对齐（RPS-RoI-Align）模块，从它们中提取旋转不变的特征，以促进后续的分类和回归。我们的RoI Transformer重量轻，可以轻松嵌入探测器中，用于定向目标检测。RoI Transformer的简单实现在两个常见且具有挑战性的航空数据集上实现了最先进的性能，即，DOTA和HRSC2016，对检测速度的降低可以忽略。当定向边界框注释可用时，我们的RoI Transformer超过了可变形的位置敏感RoI池。大量的实验也验证了我们的ROI Transformer的灵活性和有效性。结果表明，它可以很容易地与其他检测器结构集成，并显着提高性能。
2018-12-01 cs.CV
Efficient Oriented Object Detection with Enhanced Small Object Recognition in Aerial Images
School of Artificial Intelligence Beijing Normal University Beijing, China
针对航空图像中旋转目标检测的效率和精度平衡问题，提出基于YOLOv8的轻量级模型，通过小波C2f、ASFP和GhostDynamicConv模块，以21.6M参数在DOTAv1.0上达到与DecoupleNet相当的精度。
2024-12-17 cs.CV
Improving the Detection of Small Oriented Objects in Aerial Images
Electrical and Electronics Engineering Institute（电气与电子工程研究所）；University of the Philippines, Diliman（菲律宾大学迪利曼分校）
本文针对航空图像中小型有向目标检测问题，提出 Attention-Points Network，通过 GALoss 和 BPLoss 增强分类与回归，并在 DOTA-v1.5 和 HRSC2016 上验证有效性。
2024-01-12 cs.AI cs.CV
Oriented Object Detection in Aerial Images Based on Area Ratio of Parallelogram
Zhejiang University of Technology（浙江工业大学）
由于空间图像中的对象以任意方向显示并且经常密集地堆积，因此空间图像中的定向目标检测是一项具有挑战性的任务。主流的检测器使用五参数或八参数表示来描述旋转对象，这使得定向对象定义存在表示模糊性。本文提出了一种新的表示方法，称为ARP的面积比的基础上的业务。具体来说，ARP回归的最小边界矩形的定向对象和三个面积比。三个面积比包括有向物体与最小外接矩形的面积比和两个平行四边形与最小外接矩形的面积比。它简化了偏移学习，消除了定向对象的角度周期性或标签点序列问题。为了进一步解决近水平物体的混淆问题，采用物体与其最小外接矩形之间的面积比来指导每个物体的水平或定向检测的选择。此外，旋转的有效的交集超过并集（R-EIoU）损失与水平限界框和三个面积比的设计，以优化限界框回归旋转对象。在遥感数据集（包括HRSC 2016，DOTA和UCAS-AOD）上的实验结果表明，我们的方法比许多最先进的方法具有更好的检测性能。
2021-11-08 cs.AI cs.CV
Task-wise Sampling Convolutions for Arbitrary-Oriented Object Detection in Aerial Images
Fuzhou University（福州大学）；Beijing Institute of Technology（北京理工大学）；University of Delaware（特拉华大学）
针对任意方向目标检测中定位与分类任务特征不一致导致预测模糊的问题，提出任务级采样卷积（TS-Conv）方法，通过自适应采样任务级特征并指导动态标签分配，在多个公开数据集上验证了其有效性和优越性能。
2024-03-27 cs.CV
FoCal: Frequency-Oriented Cross-Modal Interaction and Spectral Calibration for Aerial Visible-Infrared Object Detection
Nanjing University of Science and Technology（南京理工大学）；Shanghai Institute of Technical Physics, Chinese Academy of Sciences（中国科学院上海技术物理研究所）；China Electronics Technology Group Corporation（中国电子科技集团公司）
提出频率导向框架FoCal，通过FADC和DGSM模块实现跨模态频率交互与频谱校准，在三个航空数据集上以3.0M参数达到领先精度和113.6 FPS。
2026-09-25 cs.CV
EAGLE: Large-scale Vehicle Detection Dataset in Real-World Scenarios using Aerial Imagery
German Aerospace Center (DLR)（德国航空航天中心（DLR））；Technical University of Munich（慕尼黑工业大学）
基于方位估计的多类别机载图像车辆检测是近距离和远距离视觉领域的一项重要任务，在交通监控和灾害管理中有着广泛的应用。在过去的十年中，我们已经目睹了地面图像中的目标检测的重大进展，但它仍然处于起步阶段，在机载图像，主要是由于缺乏多样性和大规模的数据集。尽管是一个有用的工具，为不同的应用程序，目前的机载数据集只部分反映了现实世界的情况下的挑战。为了解决这个问题，我们介绍了EAGLE（oriEnted车辆检测使用航空imaGery在现实世界scEnarios），一个大规模的数据集，多类车辆检测与对象的方向信息在航空图像。它具有高分辨率的航空图像组成的不同的现实世界的情况下，各种各样的相机传感器，分辨率，飞行高度，天气，照明，阴霾，阴影，时间，城市，国家，闭塞，和相机的角度。注释是由机载图像专家与小型和大型车辆类。EAGLE包含215，986个实例，这些实例使用由四个点和方向定义的定向边界框进行注释，使其成为迄今为止该任务中最大的数据集。它还支持雾和阴影去除以及超分辨率和绘画应用的研究。我们定义了三个任务：检测（1）水平边界框，（2）旋转边界框，（3）定向边界框。我们进行了几个实验，以评估我们的数据集上的目标检测中的几种最先进的方法，以形成基线。实验表明，EAGLE数据集准确地反映了现实世界的情况和相应的具有挑战性的应用。
2020-11-23 cs.CV
Gliding vertex on the horizontal bounding box for multi-oriented object detection
Huazhong University of Science and Technology（华中科技大学）；Wuhan University（武汉大学）；Shanghai Jiaotong University（上海交通大学）；Onyou Inc.（Onyou公司）
目标检测近来经历了实质性的进展。然而，广泛采用的水平限界框表示是不适合无处不在的定向对象，如在航空图像和场景文本中的对象。在本文中，我们提出了一个简单而有效的框架来检测多方向的对象。我们不是直接回归四个顶点，而是在每个相应的侧面上滑动水平限界框的顶点，以准确地描述多方向对象。具体地说，我们回归了四个长度比表征每个相应侧的相对滑动偏移。这可以促进偏移学习并且避免定向对象的顺序标签点的混淆问题。为了进一步解决近水平物体的混淆问题，我们还引入了一个基于物体与其水平限界框之间的面积比的模糊因子，指导每个物体的水平或定向检测的选择。我们将这五个额外的目标变量添加到更快的R-CNN的回归头中，这需要额外的计算时间。大量的实验结果表明，该方法在多个多方向目标检测基准测试（包括航拍图像中的目标检测、场景文本检测、鱼眼图像中的行人检测）上均取得了优异的性能。
2020-04-08 cs.CV
ARS-DETR: Aspect Ratio-Sensitive Detection Transformer for Aerial Oriented Object Detection
School of Electronics and Information Engineering, Harbin Institute of Technology（哈尔滨工业大学电子与信息工程学院）；OpenGVLab, Shanghai AI Laboratory（上海人工智能实验室OpenGVLab）
针对 AP$_{50}$ 对角度偏差容差过大的问题，本文提出 ARS-DETR，通过 AR-CSL、旋转可变形注意力和长宽比动态角度损失提升航空定向目标的高精度检测性能。
2024-04-07 cs.AI cs.CV
SOOD++: Leveraging Unlabeled Data to Boost Oriented Object Detection
School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（人工智能与自动化学院，华中科技大学）；School of Electronic Information and Communications, Huazhong University of Science and Technology（电子信息与通信学院，华中科技大学）；Baidu Inc., China（百度公司，中国）；School of Software Engineering, Huazhong University of Science and Technology（软件工程学院，华中科技大学）
针对航空图像中定向目标检测的标注成本高问题，提出半监督方法SOOD++，通过密集伪标签、几何感知加权和全局一致性，在多个基准上显著超越现有方法。
2025-09-25 cs.CV
Category-Aware Dynamic Label Assignment with High-Quality Oriented Proposal
College of Electronic and Information Engineering, Nanjing University of Aeronautics and Astronautics（南京航空航天大学电子信息工程学院）；Space Information Research Institute, Hangzhou Dianzi University（杭州电子科技大学空间信息研究院）
本文针对航拍图像有向目标检测中角度周期性导致的回归不连续问题，提出基于复平面的OBB表示与三角函数损失函数，并结合conformer RPN头及类别感知动态标签分配方法，在多个数据集上以较低调优成本取得领先性能。
2024-07-03 cs.CV
FCOSR: A Simple Anchor-free Rotated Detector for Aerial Object Detection
School of Artificial Intelligence, Xidian University（西安电子科技大学人工智能学院）
现有的基于锚点的目标检测方法已经取得了令人惊叹的效果，但这些方法需要一些手动预设框，这引入了额外的超参数和计算。现有的无锚方法通常具有复杂的体系结构，并且不容易部署。我们的目标是提出一种算法，这是简单的，易于部署的航空图像检测。本文提出了一种基于FCOS的单级无锚旋转目标检测器（FCOSR），它可以部署在大多数平台上。FCOSR具有仅由卷积层组成的简单架构。我们的工作重点是训练阶段的标签分配策略。我们使用椭圆中心采样方法来定义一个合适的采样区域的定向限界框（OBB）。模糊样本分配策略为重叠对象提供了合理的标签。为解决采样不足的问题，设计了多级采样模块。这些策略为训练样本分配了更合适的标签。我们的算法在DOTA1.0、DOTA1.5和HRSC2016数据集上分别实现了79.25、75.41和90.15 mAP。FCOSR在单尺度评价中表现出优于其他方法的性能。我们将一个轻量级的FCOSR模型转换为TensorRT格式，在DOTA1.0上实现了73.93 mAP，在Jetson Xavier NX上实现了10.68 FPS的速度。该代码可从以下网址获得：https://github.com/lzh420202/FCOSR
2021-12-01 cs.CV
PolarDet: A Fast, More Precise Detector for Rotated Target in Aerial Images
Harbin Institute of Technology（哈尔滨工业大学）；Hikvision Research Institute（海康威视研究院）
高分辨率航空影像的快速、精确目标检测一直是一项具有挑战性的任务。由于对象尺度、旋转和长宽比的急剧变化，大多数现有方法效率低下且不精确。在本文中，我们表示的极坐标方法在极坐标方向的对象，并提出PolarDet，一个快速，准确的一级目标检测器的基础上表示。我们的检测器引入了一个亚像素中心的语义结构，以进一步提高分类的准确性。PolarDet在空中目标检测任务中实现了几乎所有的SOTA性能，推理速度更快。具体地说，我们的方法在DOTA、UCAS-AOD和HRSC上分别获得了76.64mAP、97.01mAP和90.46mAP的SOTA结果。最值得注意的是，我们的PolarDet在UCAS-AOD数据集上获得了最佳性能，并达到了最快的速度（32 fps）。
2020-10-17 cs.CV
SOOD: Towards Semi-Supervised Oriented Object Detection
Huazhong University of Science and Technology（华中科技大学）；Baidu Inc.（百度公司）
本文提出半监督定向目标检测模型SOOD，通过设计基于方向一致性和全局布局一致性的两个损失函数，有效利用无标签航空图像数据，在DOTA-v1.5基准上超越了现有最先进方法。
2023-04-10 cs.CV
Align Deep Features for Oriented Object Detection
Wuhan University（武汉大学）；Shanghai Aerospace Electronic Technology Institute（上海航天电子技术研究所）
在过去的十年里，在航空图像中检测目标方面取得了重大进展，这些目标通常分布在大尺度变化和任意方向上。然而，大多数现有方法依赖于具有不同尺度、角度和纵横比的精确定义的锚，并且通常遭受锚框和轴对齐卷积特征之间的严重不对准，这导致分类分数和定位精度之间的常见不一致。为了解决这个问题，我们提出了一个单镜头对齐网络（S $^2$ A-Net）由两个模块组成：一个功能对齐模块（FAM）和一个定向检测模块（ODM）。FAM可以使用锚点细化网络生成高质量的锚点，并使用新的对齐卷积根据锚点框自适应地对齐卷积特征。ODM首先采用主动旋转滤波器对方向信息进行编码，然后产生方向敏感和方向不变的特征，以缓解分类得分和定位精度之间的不一致。此外，我们进一步探讨了在大尺寸图像中检测目标的方法，这导致了更好的速度和准确性之间的权衡。大量的实验表明，我们的方法可以在两个常用的空中物体数据集上实现最先进的性能（即，DOTA和HRSC 2016），同时保持高效率。该代码可在https://github.com/csuhan/s2anet上获得。
2021-07-12 cs.CV
Anchor Retouching via Model Interaction for Robust Object Detection in Aerial Images
Nanjing University of Aeronautics and Astronautics（南京航空航天大学）；National Research Lobachevsky State University of Nizhny Novgorod（下诺夫哥罗德国立研究型罗巴切夫斯基大学）；University of Leicester（莱斯特大学）
目标检测在计算机视觉中取得了巨大的进步。外观退化的小目标检测是一个突出的挑战，特别是对于航空观测。为了收集足够的正/负样本进行启发式训练，大多数对象检测器都会预设区域锚点，以便根据地面真实数据计算Intersection-over-Union（IoU）。在这种情况下，小物体经常被遗弃或贴错标签。本文提出了一种有效的动态增强锚（DEA）网络来构造一种新的训练样本生成器。与其他最先进的技术不同，所提出的网络利用一个样本筛选器来实现基于锚的单元和无锚单元之间的交互式样本筛选，以生成合格的样本。此外，多任务联合训练与保守的基于锚点的推理方案，提高了所提出的模型的性能，同时降低了计算复杂性。该方案支持定向和水平目标检测任务。在两个具有挑战性的空中基准上进行了广泛的实验（即，DOTA和HRSC 2016）表明，我们的方法在准确性方面达到了最先进的性能，具有中等的推理速度和训练的计算开销。在DOTA上，我们的DEA-Net集成了RoI-Transformer的基线，对于具有较弱骨干网络的定向目标检测（ResNet-101 vs ResNet-152），我们的DEA-Net超过了0.40%的平均平均精度（mAP），对于具有相同骨干网络的水平目标检测，我们的DEA-Net超过了3.08%的平均精度（mAP）。此外，我们的DEA-Net集成了基线的Redet达到了最先进的性能80.37%。在HRSC …
2021-12-13 cs.CV
Aerial Image Object Detection With Vision Transformer Detector (ViTDet)
The MITRE Corporation（麻省理工学院公司）
在过去的几年里，航空图像目标检测由于其在环境研究、城市规划和智能监测等大规模地学研究中的重要价值而受到越来越多的关注。然而，由于鸟瞰视角，复杂的背景，大型和各种图像尺寸，不同外观的对象，以及缺乏良好的注释数据集，这项任务是非常具有挑战性的。计算机视觉的最新进展显示出应对挑战的希望。具体地，提出了视觉Transformer检测器（ViTDet），以提取用于目标检测的多尺度特征。实验结果表明，ViTDet简单的设计在自然场景图像上取得了良好的性能，可以很容易地嵌入到任何检测器架构中。迄今为止，ViTDet的潜在好处，具有挑战性的空中图像目标检测尚未探讨。因此，在我们的研究中，进行了25个实验，以评估ViTDet在三个知名数据集上进行航空图像目标检测的有效性：空中客车飞机，RarePlanes和航空图像目标检测数据集（DOTA）。我们的研究结果表明，ViTDet在水平限界框（HBB）目标检测方面始终优于卷积神经网络（平均精度高达17%），并且在定向限界框（OBB）目标检测方面具有竞争力。我们的研究结果也为未来的研究奠定了基础。
2023-02-02 cs.CV
Sampling Equivariant Self-attention Networks for Object Detection in Aerial Images
Tsinghua University（清华大学）；Cardiff University（卡迪夫大学）
航空影像中的目标在尺度和方位上的变化比典型影像中的变化更大，因此目标检测更加困难。卷积神经网络使用各种特定于频率和方向的内核来识别受到不同变换的对象;这些需要许多参数。采样等变网络可以根据对象的变换来调整输入特征图的采样，允许内核在不同的变换下提取对象的特征。这样做需要更少的参数，并使网络更适合表示可变形的对象，如航空图像中的对象。然而，像可变形卷积网络这样的方法只能在某些情况下提供采样等方差，因为用于采样的位置。本文提出了采样等变自注意网络，将自注意力限制在局部图像块上视为带掩模的卷积采样，并设计了变换嵌入模块，进一步提高了等变采样能力。我们还使用了一种新的随机归一化模块来解决由于有限的航空图像数据的过拟合。我们表明，我们的模型（i）提供了比现有方法更好的采样等方差，而无需额外的监督，（ii）在ImageNet上提供了改进的分类，（iii）在DOTA数据集上实现了最先进的结果，而无需增加计算。
2021-11-05 cs.CV
LUAI Challenge 2021 on Learning to Understand Aerial Images
Wuhan University（武汉大学）；Huazhong University of Science and Technology（华中科技大学）；University of Twente（特温特大学）；Chinese Academy of Sciences（中国科学院）；Cornell Tech and Cornell University（康奈尔科技学院和康奈尔大学）；University of Rochester（罗切斯特大学）；German Aerospace Center (DLR)（德国航空航天中心（DLR））；University POLITEHNICA of Bucharest（布加勒斯特理工大学）；Ca’ Foscari University of Venice（威尼斯卡福斯卡里大学）；Hikvision Research Institute（海康威视研究院）；Alibaba Group（阿里巴巴集团）；Xidian University（西安电子科技大学）
本报告总结了在ICCV 2021上举行的学习理解航空图像（LUAI）2021挑战赛的结果，该挑战赛专注于航空图像中的目标检测和语义分割。使用DOTA-v2.0和GID-15数据集，该挑战提出了面向目标检测，水平目标检测和航空图像中常见类别的语义分割三个任务。本次挑战共收到146份关于三项任务的注册。通过这次挑战，我们希望引起广泛社区的关注，并呼吁在学习理解航空图像的问题上做出更多努力。
2021-09-17 cs.CV
ARMOR: Manifold-Oriented Training for Adversarially Robust Aerial Object Detection under Data Scarcity
Georgia Institute of Technology（佐治亚理工学院）；Khalifa University（哈利法大学）；Technology Innovation Institute（技术创新研究院）
ARMOR 是一种面向流形的新型防御方法，通过掩码图像背景、在目标上注入随机补丁，在数据稀缺时提升航拍目标检测器的对抗鲁棒性，维持强干净性能且优于现有最优防御。
2026-09-09 cs.CR cs.CV cs.LG
Object Detection in Aerial Images: A Large-Scale Benchmark and Challenges
Wuhan University（武汉大学）；Huazhong University of Science and Technology（华中科技大学）；University of Twente（特文特大学）；Cornell University（康奈尔大学）；Cornell Tech（康奈尔科技学院）；University of Rochester（罗切斯特大学）；German Aerospace Center (DLR)（德国航空航天中心）；University POLITEHNICA（布加勒斯特理工大学）
在过去的十年中，目标检测在自然图像中取得了显著的进展，但在航空图像中，由于鸟瞰图像引起的对象的尺度和方向的巨大变化，目标检测没有取得显著的进展。更重要的是，缺乏大规模的基准已经成为航空图像中目标检测（ODAI）发展的主要障碍。本文提出了一个大规模的航空影像目标检测数据集（DOTA）和综合基线。建议的DOTA数据集包含从11，268幅航空图像中收集的18类定向边界框注释的1，793，658个对象实例。基于这个大规模且注释良好的数据集，我们构建了涵盖10种最先进算法的基线，其中包括70多种配置，并对每个模型的速度和准确性进行了评估。此外，我们提供了一个代码库，并建立了一个网站，用于评估不同的算法。此前的DOTA挑战赛已经吸引了全球1300多支队伍。我们相信，扩展的大规模DOTA数据集，广泛的基线，代码库和挑战，可以促进航空图像中的目标检测问题的鲁棒算法的设计和可重复的研究。
2021-12-04 cs.CV
TricubeNet: 2D Kernel-Based Object Representation for Weakly-Occluded Oriented Object Detection
NAVER CLOVA；LG AI Research（LG人工智能研究院）；KAIST（韩国科学技术院）
我们提出了一种新的面向目标检测的方法，名为TricubeNet，它使用视觉线索（$i.e.,$热图）而不是面向框偏移回归来定位面向对象。我们将每个对象表示为2D Tricube内核，并使用简单的图像处理算法提取边界框。我们的方法能够（1）从视觉线索中获得排列良好的盒子，（2）解决角度不连续问题，（3）由于我们的无锚建模，可以节省计算复杂性。为了进一步提高性能，我们提出了一些有效的技术，用于大小不变损失，减少错误检测，提取旋转不变特征和热图细化。为了证明我们的TricubeNet的有效性，我们在各种任务上进行了实验，用于弱遮挡导向的目标检测：在航拍图像，密集包装的对象图像和文本图像中进行检测。大量的实验结果表明，我们的TricubeNet是非常有效的面向目标检测。代码可在https://github.com/qjadud1994/TricubeNet上获得。
2021-10-05 cs.CV
IENet: Interacting Embranchment One Stage Anchor Free Detector for Orientation Aerial Object Detection
Harbin Engineering University（哈尔滨工程大学）；CAST（中国航天科技集团公司）；University of Surrey（萨里大学）；University of Leicester（莱斯特大学）
航空影像中目标的目标检测是一项具有挑战性的任务，因为目标的可见特征缺乏且方向多变。近年来，利用基于区域的卷积神经网络（R-CNN）的两级检测器，在具有水平边界框（HBBs）和定向边界框（OBB）的航空图像中预测目标方面取得了重大进展，其中一级涉及目标定位，另一级涉及目标分类。然而，两阶段检测器的计算复杂性通常很高，特别是对于定向目标检测，这是由于锚点匹配和使用感兴趣区域（RoI）池进行特征提取。在本文中，我们提出了一个一级锚无检测器的定向目标检测，即交互式分支网络（IENet），这是建立在一个检测器预测每像素的时尚。首先，采用一种新的几何变换来更好地表示角度预测中的有向对象，然后开发一个具有自注意力机制的分支交互模块来融合分类分支和盒回归分支的特征。最后，我们引入了一个增强的交集超过并集（IoU）的OBB检测损失，这是计算效率比正多边形IoU。实验结果表明，我们提出的方法的有效性和优越性，与国家的最先进的检测器相比。
2021-03-29 cs.CV cs.LG
Exploiting Unlabeled Data with Multiple Expert Teachers for Open Vocabulary Aerial Object Detection and Its Orientation Adaptation
Tongji University（同济大学）；Southeast University（东南大学）
本文提出CastDet框架，通过多专家教师和动态标签队列实现开放词汇空中物体检测及其方向适应，提升新型物体识别与分类能力。
2026-01-24 cs.CV
Oriented Objects as pairs of Middle Lines
Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院空天信息创新研究院）；University of Chinese Academy of Sciences（中国科学院大学）
有向目标检测是自然景物文本检测和航空影像中目标检测中经常遇到的问题。传统的有向目标检测器通常在RCNN框架的基础上旋转锚点，使得锚点的数量成倍增加，再加上旋转NMS算法，大大增加了这些模型的计算复杂性。本文提出了一种新的模型O^2-DNet，通过预测目标内部的一对中线来检测有向目标。O^2-DNet是一个单阶段、无锚和无NMS的模型。我们的模型的目标线段被定义为两个相应的原始旋转限界框注释的中间线，可以直接转换，而不是额外的手动标记。实验表明，我们的O^2-DNet在ICDAR 2015和DOTA数据集上取得了优异的性能。值得注意的是，COCO中的对象可以看作是一种特殊形式的有向对象，角度为90度。O^2-DNet在这些一般的自然目标检测数据集中仍然可以取得有竞争力的结果。
2020-05-08 cs.CV
Learning Calibrated-Guidance for Object Detection in Aerial Images
Nanjing University of Aeronautics and Astronautics（南京航空航天大学）；Nanjing University of Science and Technology（南京理工大学）；University of Leicester（莱斯特大学）
目标检测是计算机视觉领域中最基本也是最具挑战性的研究课题之一。近年来，航空影像中的这一课题的研究取得了巨大的进展。然而，复杂的背景和较差的成像质量是空中目标检测目标检测的突出问题。大多数最先进的方法倾向于开发复杂的注意力机制，用于具有艰巨的计算复杂性的时空特征校准，而令人惊讶地忽略了通道方式的特征校准的重要性。在这项工作中，我们提出了一个简单而有效的校准指导（CG）计划，以提高信道通信的功能Transformer的方式，它可以自适应地确定校准权重为每个通道的基础上的全球功能的亲和力相关性。具体而言，对于给定的一组特征图，CG首先计算每个通道与其余通道之间的特征相似度，作为中间校准指导。然后，通过聚集经由引导操作加权在一起的所有通道来重新表示每个通道。我们的CG是一个通用模块，可以插入到任何深度神经网络，这被命名为CG-Net。为了证明其有效性和效率，进行了大量的实验，在两个面向目标检测任务和水平目标检测任务的航空图像。在两个具有挑战性的基准测试（DOTA和HRSC 2016）上的实验结果表明，我们的CG-Net可以在公平的计算开销下实现新的最先进的准确性性能。源代码已在https://github.com/WeiZongqi/CG-Net上开放
2022-04-06 cs.CV
D2Q-DETR: Decoupling and Dynamic Queries for Oriented Object Detection with Transformers
Alibaba Group（阿里巴巴集团）；Damo Academy（达摩院）
尽管有有希望的结果，但现有的定向目标检测方法通常涉及抽象地设计的规则，例如，RRoI生成，旋转NMS。在本文中，我们提出了一个面向目标检测的端到端框架，它简化了模型流水线，并获得了优越的性能。我们的框架是基于DETR的，用点预测头代替了盒回归头。点的学习更加灵活，点的分布可以反映目标旋转框的角度和大小。我们进一步提出将查询特征解耦为分类和回归特征，这显著提高了模型的精度。航拍图像通常包含数千个实例。为了更好地平衡模型精度和效率，我们提出了一种新的动态查询设计，它减少了堆叠解码器层中的对象查询的数量，而不牺牲模型性能。最后，我们重新思考现有的DETR类检测器的标签分配策略，并提出了一个有效的标签重新分配策略，以提高性能。我们将我们的方法命名为D2 Q-DETR。在最大的DOTA-v1.0和DOTA-v1.5数据集上的实验表明，D2 Q-DETR的性能优于现有的基于NMS和无NMS的目标检测方法，达到了新的水平。
2023-03-01 cs.CV
CrosswalkNet: An Optimized Deep Learning Framework for Pedestrian Crosswalk Detection in Aerial Images with High-Performance Computing
University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校）；University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）
本文提出 CrosswalkNet 深度学习框架，利用 OBB、注意力与双分支 SPPF 等优化，从15厘米航空影像中高精度检测人行横道，并经多州数据验证其泛化能力。
2025-06-09 cs.CV
HA-RDet: Hybrid Anchor Rotation Detector for Oriented Object Detection
University of Information Technology（信息科技大学）
提出HA-RDet混合锚框旋转检测器，结合基于锚框与无锚框方案优势，利用单一预设锚框和方向感知卷积，在保持高精度的同时显著降低计算资源消耗。
2025-07-12 cs.CV
HGSQ: Heatmap-Guided Sparse Query Detector for Real-Time Aerial Small Object Detection
Southeast University（东南大学）
针对实时航拍小目标检测，提出热力图引导稀疏查询检测器HGSQ，通过轻量级热力图预算预测器引导查询选择、局部形状细化和自适应解码器预算，在NWPU VHR-10和VisDrone2019上取得高精度并实现实时推理。
2026-09-15 cs.CV
Few-shot Oriented Object Detection with Memorable Contrastive Learning in Remote Sensing Images
Wuhan University（武汉大学）；King Abdullah University of Science and Technology（阿卜杜拉国王科技大学）；Hubei Luojia Laboratory（湖北珞珈实验室）
针对遥感图像少样本目标检测中轴对齐候选框偏差和数据稀缺问题，提出FOMC方法，采用有向边界框与动态记忆库的监督对比学习，在DOTA和HRSC2016数据集上达到SOTA。
2024-03-20 cs.CV
Edge Wasserstein Distance Loss for Oriented Object Detection
Mybank Technology（网商科技）
针对面向目标检测中传统回归损失存在的度量不连续与类正方形问题，提出基于边缘非零分布的EWD损失，采用Wasserstein距离度量，可推广至多类回归场景，经多数据集多检测器实验验证有效。
2023-12-12 cs.CV
Multi-clue Consistency Learning to Bridge Gaps Between General and Oriented Object in Semi-supervised Detection
Nanjing University of Science and Technology（南京理工大学）
针对半监督定向目标检测中的采样、分配与置信度不一致问题，提出 MCL 框架，通过高斯中心分配、尺度感知标签分配和一致置信度软标签实现 SOTA 性能。
2024-07-08 cs.CV
Knowledge Distillation for Oriented Object Detection on Aerial Images
具有增加的参数数量的深度卷积神经网络在自然图像上的目标检测任务中实现了提高的精度，其中感兴趣的对象用水平边界框注释。在从鸟瞰角度捕获的航空图像上，这些对模型架构和更深卷积层的改进也可以提高定向目标检测任务的性能。然而，很难将这些最先进的目标检测器直接应用于具有有限计算资源的设备上，这需要通过模型压缩来实现轻量级模型。为了解决这个问题，我们提出了一个模型压缩方法旋转目标检测航空图像上的知识蒸馏，即KD-RNet。通过一个训练良好的面向教师的对象检测器，具有大量的参数，所获得的对象类别和位置信息都被转移到一个紧凑的学生网络在KD-RNet的协同训练策略。通过对预测概率分布的知识蒸馏实现类别信息的传递，并采用软回归损失处理位置信息传递中的位移。在大规模空中目标检测数据集（DOTA）上的实验结果表明，所提出的KD-RNet模型可以在减少参数数量的情况下实现更高的平均精度（mAP），同时，KD-RNet提高了提供高质量检测的性能，具有与地面实况标注更高的重叠度。
2022-06-20 cs.CV
Density-Guided Dense Pseudo Label Selection For Semi-supervised Oriented Object Detection
本文提出面向半监督有向目标检测的密度引导密集伪标签选择方法（DDPLS），通过伪密度分数（PDS）估计潜在目标密度并自适应选择可靠伪标签，在DOTA-v1.5基准上以更少标注数据超越了现有方法。
2024-05-15 cs.CV
Dynamic Anchor Learning for Arbitrary-Oriented Object Detection
School of Automation, Beijing Institute of Technology（北京理工大学自动化学院）
面向对象的对象广泛地出现在自然场景、航空照片、遥感图像等中，因此，面向任意的目标检测受到了相当大的关注。目前许多旋转检测器使用大量具有不同方向的锚点来实现与地面真值框的空间对齐，然后应用Intersection-over-Union（IoU）对正候选和负候选进行采样以进行训练。然而，我们观察到，所选择的阳性锚点在回归后并不能总是确保准确的检测，而一些阴性样本可以实现准确的定位。这表明，通过IoU的锚质量评估是不合适的，这进一步导致分类置信度和定位精度之间的不一致。在本文中，我们提出了一种动态锚学习（DAL）方法，它利用新定义的匹配度，全面评估锚的本地化潜力，并进行更有效的标签分配过程。这样，检测器可以动态选择高质量的锚点，实现准确的目标检测，分类和回归之间的分歧将得到缓解。随着新引入的DAL，我们实现了优越的检测性能，为任意方向的对象，只有几个水平预设锚。在HRSC 2016、DOTA、UCAS-AOD三个遥感数据集和ICDAR 2015场景文本数据集上的实验结果表明，与基线模型相比，该方法取得了显著的改进。此外，我们的方法也是通用的目标检测使用水平边界框。代码和模型可在https://github.com/ming71/DAL上获得。
2020-12-15 cs.CV
Shape-Aware Oriented Bounding Box (OBB) to Horizontal Bounding Box (HBB) Conversion
针对遥感图像船舶检测中现有OBB转HBB方法的缺陷，提出形状感知转换方法，利用船体形状等信息生成更紧凑的轴对齐HBB，与三种基线方法对比验证性能。
2026-08-07 cs.CV cs.RO
Explore Intrinsic Geometry for Query-based Tiny and Oriented Object Detector with Momentum-based Bipartite Matching
IGOFormer通过整合内在几何和动量基双匹配，提升微小和定向目标检测性能，实现78.00%的AP50分数。
2026-02-14 cs.CV
FGAA-FPN: Foreground-Guided Angle-Aware Feature Pyramid Network for Oriented Object Detection
International school of BUPT（北京邮电大学国际学院）
针对高分辨率遥感和航空图像中定向目标检测难题，提出FGAA-FPN。通过层次功能分解，利用前景引导特征调制模块和角度感知多头注意力模块，在DOTA数据集上实验，取得75.5%和68.3% mAP的最优结果。
2026-07-08 cs.CV
FRED: Towards a Full Rotation-Equivariance in Aerial Image Object Detection
Korea Advanced Institute of Science and Technology（韩国科学技术院）；Hanbat National University（韩巴国立大学）
本文提出完全旋转等变的定向目标检测器FRED，通过解耦分类与定位任务、用旋转等变向量表示边界框并作为可变形卷积偏移量，在DOTA数据集上以16%参数量取得可比或更优性能。
2023-12-22 cs.CV cs.LG
Metric-aligned Sample Selection and Critical Feature Sampling for Oriented Object Detection
National University of Defense Technology（国防科技大学）
本文针对旋转目标检测中分类与定位不一致问题，提出度量对齐选择策略、关键特征采样模块和尺度控制平滑L1损失，在多个旋转检测数据集上取得最先进精度。
2023-07-10 cs.CV
R$^3$-Net: A Deep Network for Multi-oriented Vehicle Detection in Aerial Images and Videos
Beihang University（北京航空航天大学）；German Aerospace Center（德国航空航天中心）；Technical University of Munich（慕尼黑工业大学）；University of New Brunswick（新不伦瑞克大学）
车辆检测是航空遥感应用中一项重要而又具有挑战性的任务。现有的车辆检测方法大多采用规则矩形框，无法提供车辆的方向信息。然而，方向信息是至关重要的几个实际应用，如轨迹和运动估计的车辆。在本文中，我们提出了一种新的深度网络，称为可旋转区域为基础的残差网络（R $^3$ -Net），检测航空图像和视频中的多方向车辆。更具体地说，R $^3$ -Net被用于在半坐标系中生成可旋转的矩形目标框。首先，我们使用可旋转区域建议网络（R-RPN）从深度卷积神经网络产生的特征图中生成可旋转感兴趣区域（R-ROI）。在这里，提出了一个批量平均可旋转锚（BAR锚）的策略应用于初始化车辆候选人的形状。接下来，我们提出了一个可旋转的检测网络（R-DN）的R-ROI的最终分类和回归。在R-DN中，设计了一种新的可旋转位置敏感池（R-PS池），以在对R-RoIs的特征图进行下采样的同时保持位置和方向信息。在我们的模型中，R-RPN和R-DN可以联合训练。我们在两个开放的车辆检测图像数据集上测试了我们的网络，即DLR 3 K Munich Dataset和VEDAI Dataset，证明了我们方法的高精度和鲁棒性。最后，通过对航拍视频的仿真实验，验证了该方法的泛化能力和在航拍视频车辆跟踪中的应用潜力。演示视频可在https://youtu.be/xCYD-tYudN0上获得。
2018-08-16 cs.CV
HIT-UAV: A high-altitude infrared thermal dataset for Unmanned Aerial Vehicle-based object detection
Yunnan University（云南大学）；Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所）；University of Delaware（特拉华大学）
本文发布面向无人机人员与车辆检测的高空红外热成像数据集 HIT-UAV，包含多场景图像、飞行元数据及两类边界框标注，并验证成熟检测算法在其上的优异性能。
2023-03-31 cs.AI cs.CV
H2RBox: Horizontal Box Annotation is All You Need for Oriented Object Detection
Shanghai Jiao Tong University（上海交通大学）；COWAROBOT Co. Ltd.（科沃机器人有限公司）；Zhejiang University（浙江大学）；Shanghai AI Laboratory（上海人工智能实验室）
定向目标检测出现在从航空图像到自动驾驶的许多应用中，而许多现有的检测基准仅使用水平限界框进行标注，这也比细粒度旋转框更不协调，导致现成的训练语料库与不断增长的定向目标检测需求之间存在差距。本文提出了一种简单而有效的定向目标检测方法，称为H2RBox，仅使用水平框标注进行弱监督训练，该方法弥补了上述差距，即使与使用旋转框训练的方法相比也具有竞争力。我们的方法的核心是弱监督学习和自监督学习，它通过学习两个不同视图的一致性来预测对象的角度。据我们所知，H2RBox是第一个基于水平框注释的面向对象检测器。与另一种方法相比，即水平框监督的实例分割与我们的后适应定向目标检测，我们的方法是不容易受到掩模的预测质量，可以在复杂的场景中执行更强大的包含大量的密集对象和离群值。实验结果表明，H2RBox在性能和速度上都优于水平框监督的实例分割方法，并且对内存的要求更低。与旋转框监督的面向对象检测器相比，我们的方法表现出非常接近的性能和速度。源代码可在基于PyTorch的\href{https://github.com/yangxue0827/h2rbox-mmrotate}{MMRotate}和基于Jittor的\href{https://github.com/yangxue0827/h2rbox-jittor}{JDet}上获得。
2023-02-17 cs.AI cs.CV
ABBSPO: Adaptive Bounding Box Scaling and Symmetric Prior based Orientation Prediction for Detecting Aerial Image Objects
Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院（KAIST））；Kyungpook National University (KNU)（庆北国立大学（KNU））
ABBSPO通过自适应边界框缩放和对称先验角度损失，提升弱监督定向对象检测的准确性和效率。
2025-12-10 cs.AI cs.CV
On the Arbitrary-Oriented Object Detection: Classification based Approaches Revisited
Shanghai Jiao Tong University（上海交通大学）
面向对象的目标检测已经成为旋转敏感任务的构建块。我们首先表明，在现有的占主导地位的基于回归的旋转检测器所遭受的边界问题，是由角周期性或角排序，根据参数化协议。我们还表明，根本原因是，理想的预测可以超出定义的范围。因此，我们将角度预测任务从回归问题转换为分类问题。对于由此产生的圆形分布的角度分类问题，我们首先设计了一个圆形平滑标签技术来处理角度的周期性，并增加对相邻角度的错误容忍度。为了减少循环平滑标签带来的过多的模型参数，我们进一步设计了密集编码标签，大大减少了编码的长度。最后，我们进一步开发了一个目标航向检测模块，它可以是有用的，当需要准确的航向方位信息，例如船舶和飞机航向检测。我们发布了我们的OHD-SJTU数据集和OHDet检测器用于航向检测。在DOTA、HRSC 2016、OHD-SJTU、人脸数据集FDDB以及场景文本数据集ICDAR 2015和MLT上进行的大量实验结果表明了该方法的有效性。
2022-03-23 cs.AI cs.CV
Task-Oriented Image Transmission for Scene Classification in Unmanned Aerial Systems
物联网的蓬勃发展使得云与边缘协同将其计算和存储能力扩展到航空系统中的计算任务成为可能，特别是基于深度学习（DL）的人工智能（AI）任务。无人机采集大量图像/视频数据，由于存储和计算能力有限，只能将智能分析任务移交给后端移动边缘计算（MEC）服务器。如何有效地为AI模型传输最相关的信息是一个具有挑战性的课题。受近年来面向任务的通信的启发，我们提出了一种新的场景分类任务的航空图像传输范式。在前端无人机上开发了一个轻量级模型，用于感知图像和信道条件的语义块传输。为了实现传输延迟和分类精度之间的折衷，使用深度强化学习（DRL）探索在各种信道条件下对后端分类器贡献最大的语义块。实验结果表明，与固定传输策略和传统内容感知方法相比，该方法能显著提高分类准确率。
2021-12-21 cs.CV cs.MM
MidNet: An Anchor-and-Angle-Free Detector for Oriented Ship Detection in Aerial Images
School of Artificial Intelligence, Xidian University（西安电子科技大学人工智能学院）
航空图像中的船舶检测是一个非常活跃而又具有挑战性的任务，这是由于任意目标方位和复杂背景造成的。大多数现有的方法依赖于角度预测或预定义的锚框，使得这些方法对不稳定的角度回归和过度的超参数设置高度敏感。为了解决这些问题，我们取代了基于角度的对象编码与锚和角度自由的范例，并提出了一种新的检测器部署一个中心和四个中点编码每个面向对象，即MidNet。MidNet设计了一种对称的可变形卷积来增强舰船的中点，然后通过预测对应的向心位移和匹配半径来自适应地匹配同一舰船的中心和中点。最后，提出了一个简洁的解析几何算法，逐步细化中心和中点，以建立精确的有向包围盒。在两个公共船舶检测数据集HRSC2016和FGSD2021上，MidNet的性能优于最先进的检测器，分别达到90.52%和86.50%的AP。此外，MidNet在DOTA的船舶检测方面也取得了有竞争力的成绩。
2021-11-22 cs.AI cs.CV
PointOBB: Learning Oriented Object Detection via Single Point Supervision
Wuhan University（武汉大学）；Shanghai AI Laboratory（上海人工智能实验室）；Southeast University（东南大学）；Harbin Institute of Technology（哈尔滨工业大学）；Shanghai Jiao Tong University（上海交通大学）
本文提出PointOBB，首个基于单点监督的定向边界框生成方法，通过协同原始、缩放和旋转/翻转视图，结合尺度增强与角度获取模块，在DIOR-R和DOTA-v1.0数据集上显著优于基线方法。
2023-11-23 cs.AI cs.CV
Head-tail Loss: A simple function for Oriented Object Detection and Anchor-free models
East China Normal University（华东师范大学）
本文提出了一种名为 head-tail-loss 的新损失函数，通过最小化预测与中心点及头部/尾部关键点的距离来优化有向边界框预测，在 DOTA 和 HRSC2016 数据集上验证了其对细长及多形状物体的有效性。
2023-04-10 cs.AI cs.CV cs.LG
Tracking Feral Horses in Aerial Video Using Oriented Bounding Boxes
本文提出一种头部姿态估计方法，利用定向边界框提升空中视频中野马追踪的准确性与稳定性。
2026-03-04 cs.CV q-bio.QM
Aerial-Ground Image Feature Matching via 3D Gaussian Splatting-based Intermediate View Rendering
organization= School of Computer Science , addressline= China University of Geosciences , city= Wuhan , postcode= 430074 , country= China；organization= Guangdong Key Laboratory of Urban Informatics , addressline= Shenzhen University , city= Guangdong Shenzhen , postcode= 518060 , country= China；organization= MNR Key Laboratory for Geo-Environmental Monitoring of Great Bay Area , addressline= Shenzhen University , city= Guangdong Shenzhen , postcode= 518060 , country= China；organization= Engineering Research Center of Natural Resource Information Management
针对空中与地面图像因视角差异大而难以匹配的问题，提出基于3D高斯泼溅生成中间视图的特征匹配算法，显著增加可靠匹配数量，提升三维重建与场景渲染效果。
2025-09-24 cs.CV
Revisiting Aerial Scene Classification on the AID Benchmark
Brainware University（布雷恩韦尔大学）；Jadavpur University（贾达普大学）
本文提出Aerial-Y-Net模型，通过多尺度特征融合和空间注意力机制，在AID数据集上实现91.72%的分类准确率，优于现有方法。
2026-01-26 cs.CV
DFDL: Discriminative Feature-oriented Dictionary Learning for Histopathological Image Classification
Pennsylvania State University（宾夕法尼亚州立大学）；UT MD Anderson Cancer Center（UT MD安德森癌症中心）
在组织病理学图像分析中，由于组织学特征的多样性以及丰富的几何结构的存在，用于分类的特征提取是一项具有挑战性的任务。在本文中，我们提出了一个自动特征发现框架，用于提取区分类特定的功能，并提出了一种低复杂度的方法，用于组织病理学的分类和疾病分级。从本质上讲，我们的判别式面向词典学习（DFDL）方法学习类特定的特征，这些特征适合于表示来自同一类的样本，而不能表示来自其他类的样本。在三个具有挑战性的真实世界图像数据库上的实验：1）导管内乳腺病变的组织病理学图像，2）由宾夕法尼亚州立大学动物诊断实验室（ADL）提供的哺乳动物肺图像，和3）来自癌症基因组图谱（TCGA）数据库的脑肿瘤图像，显示了DFDL模型在各种问题中优于最先进方法的意义
2015-02-03 cs.CV
