Oriented Object Detection in Aerial Images with Box Boundary-Aware Vectors
Rutgers University（罗格斯大学）
航空图像中的目标以任意方向显示并且通常是密集的，因此航空图像中的定向目标检测是一项具有挑战性的任务。目前的定向目标检测方法主要依赖于两级基于锚点的检测器。然而，基于锚的检测器通常遭受正锚盒和负锚盒之间的严重不平衡问题。为了解决这个问题，在这项工作中，我们扩展的水平关键点为基础的对象检测器的定向目标检测任务。特别地，我们首先检测对象的中心关键点，然后基于此回归框边界感知向量（BBAVectors）以捕获定向边界框。对于所有任意方向的对象，框边界感知向量分布在笛卡尔坐标系的四个象限中。为了减轻角点情况下学习向量的困难，我们进一步将定向包围盒分为水平和旋转包围盒。在实验中，我们表明，学习框边界感知向量优于直接预测的宽度，高度和角度的定向限界框，采用基线方法。此外，所提出的方法与最先进的方法竞争有利。代码可在https://github.com/yijingru/BBAVectors-Oriented-Object-Detection上获得。
2020-08-29 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
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
Interpretation-Oriented Cloud Removal via Observation-Anchored Residual Flow with Geo-Contextual Alignment
School of Science and Engineering, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）理工学院）；Shanghai Ai Lab（上海人工智能实验室）；Faculty of Geosciences and Engineering, Southwest Jiaotong University（西南交通大学地球科学与工程学院）
提出GACR框架，通过观测锚定残差流（OAR-Flow）将云去除重构为物理残差反演，结合地理上下文先验对齐（GCPA）保持语义结构，在六个数据集和十二个下游任务中验证了重建质量和下游精度提升。
2026-07-03 cs.CV
CFC-Net: A Critical Feature Capturing Network for Arbitrary-Oriented Object Detection in Remote Sensing Images
Georgia Institute of Technology（佐治亚理工学院）；Twentieth Century Fox（二十世纪福克斯公司）；Starfleet Academy（星际舰队学院）；Tyrell Inc.（泰瑞尔公司）
光学遥感图像中目标的目标检测是一项重要而又具有挑战性的任务。近年来，基于卷积神经网络的方法取得了很大的进展。然而，由于目标尺度、长宽比和任意方向的变化较大，检测性能难以进一步提高。本文讨论了区分特征在目标检测中的作用，并提出了一种关键特征捕获网络（CFC-Net），从构建强大的特征表示、细化预设锚点和优化标签分配三个方面提高检测精度。具体来说，我们首先解耦的分类和回归功能，然后通过极化注意力模块（PAM）构建适合各自任务的强大的关键功能。利用提取的判别回归特征，旋转锚点细化模块（R-ARM）对预设的水平锚点进行定位细化，以获得更优的旋转锚点。其次，动态锚点学习（DAL）策略给出了自适应选择高质量的锚点的基础上，他们的能力，以捕捉关键功能。该框架为遥感图像中的对象创建了更强大的语义表示，并实现了高性能的实时目标检测。在HRSC 2016、DOTA和UCAS-AOD三个遥感数据集上的实验结果表明，与许多最先进的方法相比，该方法具有更好的检测性能。代码和型号可在https://github.com/ming71/CFC-Net上获得。
2021-08-16 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
AO2-DETR: Arbitrary-Oriented Object Detection Transformer
Peking University（北京大学）；ETH Zurich（苏黎世联邦理工学院）；South China University of Technology（华南理工大学）
面向目标的目标检测（AOOD）是一项具有挑战性的任务，可以在野外检测具有任意方向和杂乱排列的目标。现有的方法主要是基于基于锚的盒子或密集点，这依赖于复杂的手工设计的处理步骤和归纳偏差，如锚的生成，转换和非最大抑制推理。最近，新兴的基于变换器的方法将目标检测视为直接集合预测问题，其有效地消除了对手工设计的组件和电感偏置的需要。在本文中，我们提出了一个面向对象的目标检测Transformer框架，称为AO 2-DETR，它包括三个专用组件。更准确地说，一个定向的建议生成机制，提出了显式地产生定向的建议，这提供了更好的位置先验池功能调制交叉注意的Transformer解码器。提出了一种面向自适应的建议细化模块，用于提取旋转不变的区域特征，消除区域特征与目标之间的错位。并使用旋转感知的集合匹配损失来确保直接集合预测的一对一匹配过程，而没有重复预测。我们的方法大大简化了整个管道，并提出了一个新的AOOD范例。在几个具有挑战性的数据集上的综合实验表明，我们的方法在AOOD任务上取得了优异的性能。
2022-05-25 cs.CV
MRDet: A Multi-Head Network for Accurate Oriented Object Detection in Aerial Images
航空图像中的目标通常具有任意方向，并且密集地位于地面上，这使得它们非常难以检测。许多最近开发的方法试图通过估计额外的方向参数和放置密集的锚来解决这些问题，这将导致高模型复杂性和计算成本。在本文中，我们提出了一个任意面向区域的建议网络（AO-RPN），以产生定向的建议，从水平锚转换。AO-RPN是非常有效的，只有少量的参数增加比原来的RPN。此外，为了获得准确的边界框，我们将检测任务解耦为多个子任务，并提出了一个多头网络来完成它们。每个头部都是专门设计来学习最适合相应任务的特征，这使得我们的网络能够准确地检测物体。为了方便起见，我们将其命名为MRDet，即多头旋转物体探测器的缩写。我们在两个具有挑战性的基准上测试所提出的MRDet，即，DOTA和HRSC 2016，并将其与几种最先进的方法进行比较。我们的方法取得了非常有前途的结果，清楚地证明了其有效性。
2021-09-20 cs.CV
A General Gaussian Heatmap Label Assignment for Arbitrary-Oriented Object Detection
Beijing Institute of Technology（北京理工大学）；University of Delaware（特拉华大学）
近年来，许多面向任意目标的目标检测（AOOD）方法被提出并引起了广泛的关注。然而，它们中的大多数是基于锚盒或标准高斯热图。这种标签分配策略不仅不能反映任意方向对象的形状和方向特征，而且参数调整工作量很大。本文提出了一种新的AOOD方法，称为广义高斯热图标签分配（GGHL）。具体地说，锚无对象自适应标签分配（OLA）策略定义的正候选人的基础上，二维（2-D）定向高斯热图，它反映了形状和方向特征的任意方向的对象。在OLA的基础上，提出了一种有向包围盒（OBB）表示组件（ORC）来表示OBB，并通过神经网络学习自适应地调整高斯中心先验权值以适应不同对象的特征。此外，联合优化损失（JOL）与面积归一化和动态置信度加权的设计，以改善不同的子任务的失调的最优结果。在公开数据集上的实验表明，该算法以较低的参数调整和时间开销提高了AOOD性能。此外，它通常适用于大多数AOOD方法，以提高其性能，包括嵌入式平台上的轻量级模型。
2022-01-03 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
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
PIoU Loss: Towards Accurate Oriented Object Detection in Complex Environments
Clobotics（扩博机器人）；Shanghai Jiao Tong University（上海交通大学）；Multimedia University（多媒体大学）
使用定向限界框（OBB）的目标检测可以通过减少与背景区域的重叠来更好地瞄准旋转对象。现有的OBB方法大多是建立在水平限界框检测器上，通过引入由距离损失优化的额外角度维度。然而，由于距离损失仅使OBB的角度误差最小化，并且它与IoU松散相关，因此它对具有高纵横比的对象不敏感。因此，一种新的损失，像素IoU（PIoU）损失，制定利用角度和IoU准确的OBB回归。PIoU损失是从具有逐像素形式的IoU度量导出的，该形式简单并且适用于水平和定向限界框。为了证明其有效性，我们评估了基于锚和无锚框架的PIoU损失。实验结果表明，PIoU损失可以显着提高OBB检测器的性能，特别是在具有高纵横比和复杂背景的目标上。此外，以前的评估数据集不包括对象具有高纵横比的场景，因此引入了一个新的数据集Retail50K，以鼓励社区将OBB检测器适应更复杂的环境。
2020-07-19 cs.CV
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
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
Shape Anchor Guided Holistic Indoor Scene Understanding
Wuhan University（武汉大学）；Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
本文提出形状锚点引导学习策略AncLearn，通过动态贴合实例表面的锚点减少检测与重建中的噪声和离群点，并嵌入AncRec系统，在ScanNetv2上取得3D检测、布局估计和形状重建的最优性能。
2023-09-20 cs.CV
FCAF3D: Fully Convolutional Anchor-Free 3D Object Detection
Samsung AI Center（三星人工智能中心）
近年来，基于点云数据的三维目标检测在机器人和增强现实领域的应用前景越来越广。在本文中，我们提出了FCAF 3D-一流的全卷积无锚室内3D目标检测方法。这是一种简单而有效的方法，它使用点云的体素表示，并使用稀疏卷积处理体素。FCAF 3D可以通过一个完全卷积的前馈通道以最小的运行时间处理大规模场景。现有的3D目标检测方法对物体的几何形状进行了先验假设，我们认为这限制了它们的泛化能力。为了摆脱任何先前的假设，我们提出了一种新的参数化定向边界框，允许以纯粹的数据驱动的方式获得更好的结果。所提出的方法在ScanNet V2（+4.5）、SUN RGB-D（+3.5）和S3 DIS（+20.5）数据集上实现了最先进的3D目标检测结果（mAP@0.5）。代码和模型可在https://github.com/samsunglabs/fcaf3d上获得。
2022-03-24 cs.CV
PP-YOLOE-R: An Efficient Anchor-Free Rotated Object Detector
Baidu Inc.（百度公司）
面向目标的目标检测是包含航拍图像和场景文本的视觉场景中的一项基本任务。在这份报告中，我们提出了PP-YOLOE-R，一个有效的锚无旋转对象检测器的基础上PP-YOLOE。我们在PP-YOLOE-R中引入了一系列有用的技巧，以提高检测精度，同时增加少量额外参数和计算成本。因此，PP-YOLOE-R-l和PP-YOLOE-R-x在DOTA 1.0数据集上的单尺度训练和测试分别达到78.14和78.28 mAP，优于几乎所有其他旋转对象检测器。通过多尺度训练和测试，PP-YOLOE-R-l和PP-YOLOE-R-x进一步将检测精度提高到80.02和80.73 mAP。在这种情况下，PP-YOLOE-R-x超越了所有无锚方法，并展示了与最先进的基于锚的两阶段模型相竞争的性能。此外，PP-YOLOE-R是部署友好的，PP-YOLOE-R-s/m/l/x可以在RTX 2080 Ti上分别达到69.8/55.1/48.3/37.1 FPS。源代码和预训练模型可在https://github.com/PaddlePaddle/Paddle Detection上获得，该网站由https：//github.com/PaddlePaddle/Paddle提供支持。
2022-11-04 cs.CV
Target-Oriented Single Domain Generalization
School of Computer Science, Carleton University（计算机科学学院，卡尔顿大学）
针对单域泛化中分布偏移导致模型失效的问题，提出利用目标域文本描述引导泛化的TO-SDG设定，以及基于VLM的轻量STAR模块，在多基准任务上实现更优泛化，验证了文本元数据的实用价值。
2025-08-30 cs.AI cs.CV cs.LG
Oriented Object Detection with Transformer
University at Buffalo（布法罗大学）；Beihang University（北京航空航天大学）；Baidu Inc（百度公司）
使用Transformers（DETR）的目标检测已经实现了与传统检测器（如Faster R-CNN）相比具有竞争力的性能。然而，DETR的潜力仍然在很大程度上未开发的更具挑战性的任务，面向任意目标检测问题。本文首次尝试并实现了基于端到端网络的面向目标检测检测与转换Transformer（$\bf O^2DETR$）。$\rm O^2DETR$的贡献包括：1）通过应用Transformer直接有效地定位目标，而无需像传统检测器那样繁琐的旋转锚点过程，为面向目标检测提供了新的见解; 2）设计了一种简单而高效的Transformer编码器，将注意力机制替换为可分离卷积，这可以显着降低在原始Transformer中使用多尺度特征的内存和计算成本; 3）我们的$\rm O^2DETR$可以成为定向目标检测领域的另一个新基准，它比Faster R-CNN和RetinaNet实现了高达3.85 mAP的改进。我们简单地微调安装在级联架构中的$\rm O^2DETR$上的磁头，并在DOTA数据集中实现与SOTA相比具有竞争力的性能。
2021-06-06 cs.CV
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
Fully Convolutional Grasp Detection Network with Oriented Anchor Box
Xi’an Jiaotong University（西安交通大学）
在本文中，我们提出了一个实时的方法来预测多个抓取位姿的平行板机器人抓手使用RGB图像。提出了一种具有定向锚箱机制的模型，并在训练过程中采用了一种新的匹配策略。在我们的工作中采用了一个端到端的完全卷积神经网络。该网络由两部分组成：特征提取器和多抓取预测器。特征提取器是深度卷积神经网络。多抓取预测器从预定义的定向矩形（称为定向锚盒）回归抓取矩形，并将矩形分类为可抓取和不可抓取。在标准Cornell Grasp数据集上，我们的模型在图像分割和对象分割上分别达到了97.74%和96.61%的准确率，并且在图像分割上比最新的最先进方法高出1.74%，在对象分割上高出0.51%。
2018-03-06 cs.CV cs.RO
TS4Net: Two-Stage Sample Selective Strategy for Rotating Object Detection
Beijing Institute of Technology（北京理工大学）
旋转目标检测在航空摄影、遥感影像、无人机等领域有着广泛的应用。目前，旋转目标检测数据集大多集中在遥感领域，这些图像通常是在高空场景下拍摄的。然而，在低海拔地区捕获的图像数据集也应该受到关注，例如基于无人机的数据集。为此，本文提出了一个基于低空无人机的数据集UAV-ROD，旨在推动旋转目标检测和无人机应用的研究与发展。UAV-ROD由1577幅图像和30，090个由定向边界框注释的汽车类别实例组成。特别地，UAV-ROD可以用于旋转目标检测、车辆定向识别和目标计数任务。与水平目标检测相比，旋转检测的回归阶段是一个棘手的问题。本文提出了一种旋转目标检测器TS4Net，它包含锚点细化模块（ARM）和两阶段样本选择策略（TS4）。ARM可以通过两个阶段的锚细化将预设的水平锚转换为高质量的旋转锚。TS4模块采用不同的约束样本选择策略来分配正负样本，适应不同阶段的回归任务。得益于ARM和TS4，TS4Net仅用一个预设的水平锚点就可以实现旋转目标检测的卓越性能。在UAV-ROD数据集和三个遥感数据集DOTA、HRSC2016和UCAS-AOD上的大量实验结果表明，该方法与大多数最先进的方法相比具有竞争力的性能。
2021-08-06 cs.CV
RMK RetinaNet: Rotated Multi-Kernel RetinaNet for Robust Oriented Object Detection in Remote Sensing Imagery
School of Computer Science and Engineering, Changchun University of Technology（长春理工大学计算机科学与工程学院）
RMK RetinaNet通过多尺度核块、多方向上下文锚点注意机制和欧拉角编码模块，提升遥感影像中旋转物体检测的鲁棒性和性能。
2026-03-05 cs.CV
Oriented Bounding Boxes for Small and Freely Rotated Objects
Ingenuity Labs Research Institute（Ingenuity Labs 研究院）
提出了一种新的目标检测方法，可以处理任意大小的自由旋转目标，包括小到$2\times 2$像素的微小目标。这种微小目标在遥感图像中频繁出现，对现有的目标检测算法提出了挑战。更重要的是，当前的目标检测方法最初被设计为适应轴对齐的限界框检测，因此不能准确地定位最佳地描述自由旋转的对象的定向框。相比之下，所提出的基于CNN的方法使用潜在的像素信息在多个尺度级别，而不需要任何外部资源，如锚盒。该方法编码的精确位置和方向的目标对象的功能在网格单元位置。与现有的方法，回归的限界框的位置和尺寸，所提出的方法学习所有需要的信息分类，这具有额外的好处，使定向限界框检测，而无需任何额外的计算。因此，它仅在推理时通过为每个相同的预测类标签集找到最小周围框来推断边界框。此外，旋转不变特征表示被应用于每个尺度，这施加了正则化约束以强制覆盖训练样本的360度平面内旋转范围以共享相似特征。在xView和DOTA数据集上的评估表明，该方法比现有的最先进的方法一致地提高了性能。
2021-04-24 cs.CV
Point2RBox: Combine Knowledge from Synthetic Visual Patterns for End-to-end Oriented Object Detection with Single Point Supervision
Shanghai AI Laboratory（上海人工智能实验室）；Harbin Institute of Technology（哈尔滨工业大学）；Tsinghua University（清华大学）；Shanghai Jiao Tong University（上海交通大学）；Southeast University（东南大学）
本文提出Point2RBox，首个用于单点监督有向目标检测的端到端方法，通过合成视觉模式知识组合和变换自监督学习旋转框回归，在DOTA/DIOR/HRSC数据集上达到41.05%/27.62%/80.01%的竞争性能。
2024-03-21 cs.AI cs.CV
RotaTR: Detection Transformer for Dense and Rotated Object
Mybank Technology（网商银行科技）
针对 DETR 在密集旋转目标检测中注意力难以对准目标的问题，本文提出 RotaTR，并通过 RSDeform 注意力构建特征对齐模块与旋转敏感解码器，在四个基准上取得竞争力性能。
2023-12-05 cs.CV
CHIMERA: Adaptive Cache Injection and Semantic Anchor Prompting for Zero-shot Image Morphing with Morphing-oriented Metrics
Chung-Ang University（Chung-Ang 大学）；Princeton University（普林斯顿大学）
CHIMERA通过逆向引导去噪和互补特征重用，解决传统图像变形方法中特征重用不充分和文本条件不兼容的问题，提出语义锚点提示和变形导向度量，提升变形效果的平滑性和语义一致性。
2026-10-10 cs.CV
CoPAD : Multi-source Trajectory Fusion and Cooperative Trajectory Prediction with Anchor-oriented Decoder in V2X Scenarios
School of Automation, Southeast University, Nanjing, China（自动化学院，东南大学，南京，中国）；Key Laboratory of Measurement and Control of Complex Systems of Engineering, Ministry of Education, Nanjing, China（工程复杂系统测量与控制关键实验室，教育部，南京，中国）
本文提出轻量级协同轨迹预测框架CoPAD，通过匈牙利算法与卡尔曼滤波融合多源轨迹，结合PTA、模式注意力模块和锚点导向解码器，在DAIR-V2X-Seq数据集上达到最先进性能。
2025-09-19 cs.CV cs.MA cs.RO
Q-Mask: Query-driven Causal Masks for Text Anchoring in OCR-Oriented Vision-Language Models
MiLM Plus（小米公司）
本文提出Q-Mask框架，通过因果查询驱动的遮罩解码器提升OCR任务中文本锚定的准确性与稳定性，结合大规模标注数据集提升视觉语言模型对文本区域的识别能力。
2026-04-21 cs.CV
EARL: An Elliptical Distribution aided Adaptive Rotation Label Assignment for Oriented Object Detection in Remote Sensing Images
Harbin Engineering University（哈尔滨工程大学）；Harbin Institute of Technology（哈尔滨工业大学）；CAST（中国航天科技集团公司第五研究院）
提出椭圆分布辅助自适应旋转标签分配方法EARL，通过自适应尺度采样、动态椭圆分布采样和空间距离加权模块，解决遥感图像目标检测中标签分配的尺度与长宽比变化问题，提升检测性能。
2023-10-17 cs.CV
Aligned Consensus Teaching for Label-Efficient Oriented Object Detection in Weakly-Aligned Visible-Infrared Imagery
Beijing University of Technology（北京工业大学）；University of Science and Technology of China（中国科学技术大学）；Peking University（北京大学）；Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所）；Beijing Institute of Technology（北京理工大学）；Fuzhou University（福州大学）；China University of Geosciences Wuhan（中国地质大学（武汉））；Ghent University（根特大学）
针对弱对齐可见光-红外图像中标签高效的有向目标检测，提出对齐共识教师（ACT）框架，通过循环一致区域对齐、跨模态共识均值教师和文本引导增强，在10%标注下达到全监督mAP的94.3%。
2026-09-17 cs.CV
3D-SSD: Learning Hierarchical Features from RGB-D Images for Amodal 3D Object Detection
Zhejiang University（浙江大学）
本文旨在开发一个更快，更准确的解决方案，非模态三维目标检测问题的室内场景。它是通过一种新型的神经网络来实现的，该网络将一对RGB-D图像作为输入，并将定向的3D边界框作为输出。该网络由层次特征融合和多层预测两部分组成。分层特征融合结合了RGB-D图像的外观和几何特征，而多层预测利用多尺度特征进行目标检测。因此，该网络可以以协同的方式利用2.5D表示，以提高准确性和效率。通过将一组具有不同大小的3D锚框附加到预测层的每个位置来解决对象大小的问题。在最后阶段，3D锚框的类别分数分别用调整的位置、大小和方向生成，导致使用非最大抑制的最终检测。在训练阶段，在2D地面实况的帮助下识别正样本，以避免从原始数据中对深度进行噪声估计，从而指导更好的收敛模型。在具有挑战性的SUN RGB-D数据集上进行的实验表明，我们的算法比最先进的Deep Sliding Shape快10.2%mAP，快88倍。此外，实验还表明，即使输入图像尺寸较小，我们的方法也达到了相当的精度，并且比NYUv 2数据集上的最新方法快386倍。
2018-02-21 cs.CV
Efficient Decoder-free Object Detection with Transformers
Tencent Youtu Lab（腾讯优图实验室）；Zhejiang University（浙江大学）
视觉Transformer（ViTs）正在改变目标检测方法的前景。ViT在检测中的一个自然用途是用基于transformer的主干取代基于CNN的主干，这是简单有效的，但代价是为推理带来相当大的计算负担。更微妙的用法是DETR系列，它消除了目标检测中许多手工设计组件的需要，但引入了一个需要额外长时间收敛的解码器。因此，基于变换器的目标检测不能在大规模应用中流行。为了克服这些问题，我们提出了一种新的无解码器的完全基于变换器（DFFT）的对象检测器，首次在训练和推理阶段实现了高效率。我们通过围绕两个入口点将目标检测简化为仅编码器的单级基于锚的密集预测问题：1）消除训练效率低下的解码器，并利用两个强大的编码器来保持单级特征映射预测的准确性; 2）在有限的计算资源下探索检测任务的低级语义特征。特别是，我们设计了一种新的轻量级的面向检测的Transformer骨干，有效地捕捉低层次的功能与丰富的语义的基础上，一个构思良好的消融研究。在MS COCO基准上的大量实验表明，DFFT_SMALL比DETR高2.5% AP，计算成本降低28%，训练次数比$10$少x。DFFT_SMALL与基于锚点的检测器RetinaNet相比，获得了超过5.5%的AP增益，同时降低了70%的计算成本。
2022-06-17 cs.CV
Objects detection for remote sensing images based on polar coordinates
Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院空天信息创新研究院）；Institute of Electronics, Chinese Academy of Sciences（中国科学院电子学研究所）；University of Chinese Academy of Science（中国科学院大学）
面向目标的目标检测是遥感目标检测领域的一个重要课题。已有的研究表明，极坐标系在处理旋转物体建模问题上具有明显的优势，即用更少的参数实现更精确的旋转目标检测。然而，目前基于深度学习的最先进的检测器都是在笛卡尔坐标中建模的。本文首次将极坐标系统引入到深度学习检测器中，提出了一种无锚极坐标遥感目标检测器（P-RSDet），通过使用更简单的目标表示模型和更少的回归参数，实现了具有竞争力的检测精度。在P-RSDet方法中，通过预测中心点，回归一个极半径和两个极角，可以实现任意方向的目标检测。此外，为了表达极半径和极角之间的几何约束关系，提出了极环面积损失函数，以提高角点位置的预测精度。在DOTA、UCAS-AOD和NWPU VHR-10数据集上的实验表明，P-RSDet具有更简单的模型和更少的回归参数，达到了最先进的性能。
2020-09-21 cs.CV
PETDet: Proposal Enhancement for Two-Stage Fine-Grained Object Detection
Beihang University（北京航空航天大学）；Space Star Technology Company Ltd.（航天恒星科技有限公司）
针对两阶段细粒度目标检测中通用提议流程适配性不足的问题，提出PETDet方法，通过QOPN、BCFN和ARL分别优化提议生成、特征提取与损失引导，在多个数据集上取得SOTA性能，兼顾精度与速度。
2023-12-16 cs.CV
STELA: A Real-Time Scene Text Detector with Learned Anchor
UESTC（电子科技大学）；Sichuan University（四川大学）
为了实现目标框的高覆盖率，传统的基于锚点的检测器的常规策略是在每个空间位置利用多个先验，特别是在场景文本检测任务中。在这项工作中，我们提出了一个简单而直观的方法，面向多个文本检测的特征图的每个位置只与一个参考框。这个想法的灵感来自两阶段R-CNN框架，该框架可以通过使用学习的建议来估计任何形状的对象的位置。我们的方法的目的是将这种机制集成到一个onestage检测器中，并使用通过回归操作获得的学习锚来取代原始锚到最终预测中。基于RetinaNet，该方法在多个公共基准测试中取得了有竞争力的性能，具有完全实时的【形】效率（800 p时为26：5 fps），超过了所有基于锚点的场景文本检测器。此外，由于对锚点设计的关注较少，我们相信我们的方法很容易应用于其他类似的检测任务。该代码将在https://github.com/xhzdeng/stela上公开发布。
2019-09-23 cs.CV
RoRA: Role-Oriented Regional Allocation for Visual Token Pruning in MLLMs
本研究针对多模态大语言模型视觉令牌剪枝的高开销问题，提出无训练框架RoRA，通过角色导向的区域分配实现高效剪枝，在多个模型系列上优于基线，大幅降低推理时间且保留高准确率。
2026-08-10 cs.AI cs.CV
RACO: Reliability-Aware Coarse-Goal Optimization for Inspection-Oriented UAV Vision-Language Navigation
针对面向巡检的无人机视觉语言导航，提出RACO框架，通过可靠性感知优化粗目标，在未见场景下较HETT基线显著提升成功率，改善巡检区域到达率并降低错误验证风险。
2026-08-25 cs.AI cs.CV cs.RO
ProphNet: Efficient Agent-Centric Motion Forecasting with Anchor-Informed Proposals
QCraft（轻舟智航）
本文提出ProphNet，一种基于锚点告知提议的以智能体为中心的运动预测模型，通过模态无关策略统一编码输入并融合目标导向锚点生成多模态轨迹，在保持高预测精度的同时实现了场景中心级别的低推理延迟。
2023-06-28 cs.CV cs.RO
ArbiText: Arbitrary-Oriented Text Detection in Unconstrained Scene
NYU Multimedia and Visual Computing Lab（纽约大学多媒体与视觉计算实验室）；NYU Abu Dhabi（纽约大学阿布扎比分校）；New York University（纽约大学）；HERE Technologies（HERE科技公司）
由于宽高比、尺度、方向和光照的变化，在野外面向字符的文本检测是一项非常具有挑战性的任务。在本文中，我们提出了一种新的方法，即面向文本（或ArbText的简称）检测器，在无约束的自然场景图像的有效文本检测。具体来说，我们首先采用圆形锚而不是矩形锚来表示边界框，这对方向变化更鲁棒。随后，我们将一个金字塔池模块到Single Shot MultiBox检测器框架中，以便同时探索局部和全局视觉信息，从而可以生成更机密的检测结果。在ICDAR 2015和MSRA-TD 500等场景文本数据集上的实验表明，与现有方法相比，该方法具有更好的性能。
2017-11-30 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
Detecting Multi-Oriented Text with Corner-based Region Proposals
UESTC（电子科技大学）；Sichuan University（四川大学）；Chongqing Institute of Public Security Science and Technology（重庆市公安科学技术研究院）
以前的场景文本检测方法通常依赖于手动定义的滑动窗口。这项工作提出了一个直观的两阶段的区域为基础的方法来检测多方向的文本，没有任何先验知识的文本形状。在第一阶段，我们通过检测和连接角点来估计文本实例的可能位置，而不是移动一组默认锚点。四边形的建议是几何自适应的，这使得我们的方法，以应付各种文本的纵横比和方向。在第二阶段，我们设计了一个名为Dual-RoI Pooling的新池化层，它将数据增强嵌入到区域子网络中，以便对这些建议进行更强大的分类和回归。在公共基准上的实验结果证实，该方法能够实现与最先进的方法相当的性能。该代码可在https://github.com/xhzdeng/crpn上公开获取
2019-06-03 cs.CV
Arbitrary-Oriented Ship Detection through Center-Head Point Extraction
National University of Defense Technology（国防科技大学）
遥感图像中的船舶检测在各种应用中发挥着至关重要的作用，近年来越来越受到人们的关注。然而，现有的任意方向的船舶检测方法通常是在一组预定义的旋转锚箱上开发的。这些预定义的框不仅导致不准确的角度预测，而且还引入额外的超参数和高计算成本。此外，现有的方法没有充分利用船舶尺寸的先验知识，这阻碍了其检测精度的提高。针对上述问题，提出一种基于中心-头部点提取的检测器（CHPDet），实现遥感图像中任意方向的舰船检测。我们的CHPDet制定了任意方向的船舶作为旋转的盒子与头点，用于确定方向。旋转高斯核用于将注释映射到目标热图。通过关键点估计来确定舰船的中心位置。然后，回归了船舶的尺寸和首点。方向不变模型（OIM）也被用来产生方向不变的特征图。最后，我们使用之前的目标大小来微调结果。此外，我们引入了一个新的数据集，用于在固定的地面采样距离（GSD）的遥感图像中的多类任意方向的船舶检测，命名为FGSD 2021。在FGSD 2021和另外两个广泛使用的数据集上的实验结果，HRSC 2016和UCAS-AOD证明我们的CHPDet达到了最先进的性能，可以很好地区分船头和船尾。代码和FGSD 2021数据集可在https://github.com/zf020114/CHPDet上获得。
2021-10-13 cs.CV
Sparse R-CNN OBB: Ship Target Detection in SAR Images Based on Oriented Sparse Proposals
Visual Information Laboratory, University of Bristol（布里斯托大学视觉信息实验室）
本文提出Sparse R-CNN OBB框架，通过重新设计基线模型的检测头以捕捉目标方向，首次利用300个稀疏可学习提议实现SAR图像中的定向船舶目标检测，在近海和远海场景中均超越多数先进模型。
2025-05-27 cs.CV
RQR3D: Reparametrizing the regression targets for BEV-based 3D object detection
Amazon Lab 126（亚马逊126实验室）；Togg/Trutek AI Team（Togg/Trutek人工智能团队）
本文提出RQR3D方法，通过重新参数化回归目标将旋转目标检测转化为关键点回归任务，实现高效且准确的3D目标检测，适用于自动驾驶场景。
2026-04-08 cs.AI cs.CV cs.LG
BAM-DETR: Boundary-Aligned Moment Detection Transformer for Temporal Sentence Grounding in Videos
Inha University（仁荷大学）；Yonsei University（延世大学）
针对DETR式时间定位中中心错位问题，提出面向边界的时刻表述与双路径解码的BAM-DETR，并引入质量排序，在三个基准上验证有效性。
2024-07-18 cs.CV cs.LG
NBMOD: Find It and Grasp It in Noisy Background
NJAU（南京农业大学）
针对真实嘈杂背景下机器人抓取检测难题，提出NBMOD数据集（含20类水果的31,500张RGB-D图像）及旋转锚点机制和RA-GraspNet轻量级架构，RAGT-3/3模型在NBMOD上准确率达99%。
2023-06-17 cs.CV cs.RO
LFFD: A Light and Fast Face Detector for Edge Devices
Beijing University of Technology（北京工业大学）；Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
人脸检测作为各种应用的基础技术，通常部署在内存存储有限、计算能力较低的边缘设备上。本文介绍了一种用于边缘设备的轻型快速人脸检测器（LFFD）。所提出的方法是无锚，属于一阶段的范畴。具体而言，我们重新思考的重要性，感受野（RF）和有效感受野（ERF）的背景下的人脸检测。从本质上讲，某一层神经元的RF在输入图像中是规则分布的，这些RF是天然的“锚”。结合RF“锚点”和适当的RF步幅，所提出的方法可以检测到大范围的连续人脸尺度，理论上覆盖率为100%。深入了解ERF和人脸尺度之间的关系，激发了一个有效的骨干一阶段检测。骨干的特点是由八个检测分支和公共层，从而有效的计算。在流行的基准测试程序WIDER FACE和FDDB上进行了全面和广泛的实验。提出了一种面向应用场景的评估模式。在新的模式下，所提出的方法可以实现较高的精度（WIDER FACE Val/Test -- Easy：0.910/0.896，Medium：0.881/0.865，Hard：0.780/0.770; FDDB --间断：0.973，连续：0.724）。采用多种硬件平台来评估系统的运行效率。所提出的方法可以获得快速的推理速度（NVIDIA TITAN Xp：131.45 FPS，640 x480; NVIDIA TX 2：136.99 PFS，160 x120; Raspberry Pi 3 Model B+：8.4…
2019-08-12 cs.CV
A Comparative Evaluation of Large Vision-Language Models for 2D Object Detection under SOTIF Conditions
Institute of Automotive Engineering, Graz University of Technology（汽车工程研究所，格拉茨技术大学）
本文评估了大型视觉-语言模型在SOTIF条件下2D目标检测的性能，发现其在复杂场景中召回率显著优于传统方法，但几何精度仍有一定优势。
2026-07-16 cs.CV cs.RO
Neural Parametric Gaussians for Monocular Non-Rigid Object Reconstruction
Saarland University（萨尔大学）；Max Planck Institute for Informatics（马克斯·普朗克信息学研究所）
本文提出神经参数高斯（NPGs）方法，通过低秩神经形变模型与局部3D高斯表示相结合的两阶段策略，解决了单目视频中非刚性物体的高质量新视角合成问题。
2024-03-31 cs.CV
