RDCNet：一种考虑旋转特性的特征表示方法及适应不同视角的标签分配机制，用于高效检测任意方向的物体

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：RDCNet: Rotation-aware Feature Representation and Aspect-Adaptive Label Assignment for Efficient Arbitrary-Oriented Object Detection

　　

摘要：

近期在遥感图像的任意方向对象检测（AOOD）领域取得的进展主要依赖于高容量架构，如两阶段检测器和基于Transformer的模型，以处理任意对象方向和极端的长宽比。尽管这些方法能够实现高检测精度，但它们通常会带来较大的计算开销，限制了其在实时场景中的应用。相比之下，单阶段检测器具有更高的效率，但通常缺乏对旋转的感知能力，导致定位精度不够理想。我们提出了旋转感知变形卷积网络（RDCNet），这是一种高效的单阶段无锚点AOOD架构。RDCNet在主干网络中加入了旋转感知的变形卷积模块，其中偏移采样采用极坐标表示，以分离尺度和方向信息，从而在早期特征图中稳定地编码旋转信息。这种旋转感知表示通过富含语义信息的更深层次进行传播。此外，我们还引入了适应长宽比的标签分配（AALA）策略，该策略结合了一个与长宽比无关的中心性项来指导正样本的选择，有效减少了了对极端长宽比对象的训练偏差。在包括DOTA-v1.0、DOTA-v1.5和HRSC2016在内的多种AOOD基准测试中进行的广泛实验表明，RDCNet在保持实时推理速度的同时，实现了与代表性两阶段方法相当或更优的性能，并且在效率与精度之间展现了良好的平衡。这些结果表明，RDCNet为复杂遥感场景中的AOOD提供了一个实用且有效的解决方案。