《Remote Sensing》：Monitoring and Prediction of Ground Deformation Using InSAR and Machine Learning Approaches in Tianjin City, China
编辑推荐：
为了解决面向目标检测中的挑战，如角度回归的不连续性、离散分类的低精度以及概率建模的高复杂度，本文提出VODet（Vertex Offset-based Detector），一种新型面向目标检测方法。VODet通过耦合的顶点偏移（Vertex Offset）机制
为了解决面向目标检测中的挑战，如角度回归的不连续性、离散分类的低精度以及概率建模的高复杂度，本文提出VODet（Vertex Offset-based Detector），一种新型面向目标检测方法。VODet通过耦合的顶点偏移（Vertex Offset）机制对旋转目标的几何结构进行建模，从根本上避免了边界不连续性。具体而言，研究人员首先从水平锚点（horizontal anchors）回归目标的水平包围矩形（Horizontal Enclosing Rectangle），然后仅预测两个偏移比率以重建旋转边界框（Rotated Bounding Box, RBB）的四个顶点。针对近水平临界情况，一个轻量级的定向分类器（Direction Classifier）自适应地将水平框与旋转框区分开，降低了回归复杂度并提高了鲁棒性。为了进一步增强特征表示，研究人员基于Swin Transformer块设计了一个层次化特殊注意力模型（Hierarchical Special Attention Model, HSAM），该模型有效捕捉了局部细节和全局上下文依赖。在DOTA、HRSC2016和UCAS-AOD上的广泛实验表明，VODet取得了具有竞争力的检测精度（DOTA上mAP为80.44%，HRSC2016上AP为90.42%，UCAS-AOD上mAP为90.11%），尤其在大长宽比和密集排列的目标上具有优势。此外，VODet在所有比较方法中实现了最高的推理速度（26.7 FPS）和最低的计算复杂度（192.3 GFLOPs），展示了良好的精度-效率权衡。这些结果证实了所提方法的有效性和实用价值。
论文以遥感图像中的面向目标检测为研究对象，针对传统水平边界框（Horizontal Bounding Box, HBB）方法在应对任意方向、密集排列和大长宽比目标时因相邻框交并比过高导致漏检的问题，以及基于角度参数（x, y, w, h, θ）表示方法在角度定义域边界处因周期性导致的回归不连续和损失函数突变缺陷，开展了相关研究。现有解决方法包括角度分类、概率分布和特征设计三类，但分别存在离散化精度受限、计算复杂且缺乏几何可解释性、网络深度与参数增加降低效率等局限性。近年兴起的顶点偏移机制虽展现了潜力，但仍面临多独立顶点间几何约束违例、近水平对象回归复杂度增加以及密集小目标多尺度特征不足三大挑战。为此，研究人员提出了VODet（Vertex Offset-based Detector）框架，通过耦合顶点偏移表示、轻量方向分类器、基于Swin Transformer的层次化特殊注意力模型（HSAM）以及结合MPDIoU损失的任务特定匹配规则，旨在实现高精度、鲁棒的面向目标检测。该研究发表在《Remote Sensing》上。
研究人员为开展研究使用的主要关键技术方法包括：基于ResNet-101的骨干网络，并集成HSAM（Hierarchical Special Attention Model）以增强关键区域特征表示；采用特征金字塔网络（Feature Pyramid Network, FPN）构建多尺度特征（P3~P5）；检测头输出五个分支：水平边界框回归参数δ、顶点偏移参数d、目标置信度c、分类分数k以及方向类别o；通过耦合顶点偏移表示仅回归两个偏移比率（dt, dr）重建旋转框的四顶点，避免角度周期性；设计轻量方向分类器将近水平临界情况视作HBB处理；使用MPDIoU（Minimum Points Distance Intersection over Union）损失优化水平框定位；采用基于尺寸约束和位置约束的正样本匹配规则。实验使用三个公开数据集：DOTA-v1.0（含2806幅大尺寸图像，15个类别，188,282个实例）、HRSC2016（1061幅船舶图像，目标仅船舶类别）和UCAS-AOD（1510幅图像，含飞机和汽车两个类别）。训练和测试依据各数据集标准划分，图像裁剪及重叠参数按原文设置。
研究结果部分：
3.2.1. 模块有效性验证（Validation of Module Effectiveness）——在DOTA-v1.0上进行消融实验，以基于(x, y, w, h, θ)的五参数表示模型为基线（mAP 70.23%）。单独加入HSAM提升至72.17%（+1.94%）；单独加入方向分类提升至72.69%（+2.46%）；单独加入MPDIoU提升至71.14%（+0.91%）；单独使用顶点偏移机制提升至73.58%（+3.35%）。HSAM与顶点偏移联合使用时mAP跃升至76.56%，进一步加入方向分类达78.92%，再结合MPDIoU最终达到80.44%（累计提升+10.21%），验证了各模块的正向贡献和兼容性。
3.2.2. HSAM的有效性（Effectiveness of the HSAM）——通过特征热力图可视化，加入HSAM后模型激活区域更集中于目标、响应强度增强，尤其对密集排列的舰船（SH）和大长宽比的车辆（LV）与港口（HA）产生更完整连续的激活。与SE、CBAM、CA等注意力模块比较，HSAM的ΔmAP最高（1.94%）。
3.2.3. 顶点偏移机制的有效性（Effectiveness of the Vertex Offset Mechanism）——与五参数基线模型可视化对比，基线因角度不连续在舰船、港口等大长宽比目标上出现角度偏差，而VODet使用顶点偏移机制能更紧密地定位旋转目标。
3.2.4. 方向分类机制的有效性（Effectiveness of the Direction Classification Mechanism）——基本VODet在近水平临界情况（如大型车辆、网球场）中检测失败，加入方向分类后能准确捕获这些目标的边界框，整体mAP提升2.36%。对方向分类阈值ot的敏感性实验表明，ot=0.90时性能最佳（78.92%），且在合理范围内变化时性能稳定。
3.2.5. MPDIoU损失函数的有效性（Effectiveness of the MPDIoU Loss Function）——可视化对比显示，使用MPDIoU的VODet比使用CIoU的VODet定位更准确，训练损失曲线中MPDIoU收敛更快且最终损失更低。
3.2.6. 特征图可视化解释（Feature Map Visualization Interpretation）——对多类别实例（PL、SV、LV、SH、TC、HA）的热力图可视化显示，VODet相比基线能更专注于目标本身，尤其在提取大长宽比和密集排列目标的特征方面表现更优。
讨论部分：在4.1节中，研究人员与当前主流方法在DOTA-v1.0上进行精度和效率对比。VODet在单阶段方法中达到最高mAP（80.44%），尤其对舰船（SH, 89.90%）、小型车辆（SV）和大型车辆（LV）等类别表现突出。在HRSC2016上AP达90.42%，仅次于SDDLA的90.46%。在UCAS-AOD上mAP达90.11%，其中汽车精度第一（89.67%），飞机第二（90.54%）。效率方面，VODet以26.7 FPS、192.3 GFLOPs在所有比较方法中实现最快推理速度和最低计算负载，优于所有单阶段和部分两阶段方法。4.2节失败案例分析指出，在阴影干扰和重雾霾条件下，特征表示弱化导致漏检，提示未来可集成图像恢复技术。
研究结论部分（翻译）：本文提出了VODet，一种专门为解决遥感图像中边界不连续和几何不一致挑战而设计的面向目标检测框架。与传统基于角度或多顶点回归方法不同，VODet引入了一种连续的耦合顶点偏移表示，仅回归相对于水平包围矩形的两个偏移比率，直接重建旋转边界框的四个顶点，同时强制执行几何一致性。进一步纳入一个轻量方向分类器以处理近水平临界情况。此外，研究人员设计了带有HSAM和FPN的增强骨干网络来丰富多尺度特征表示，并采用结合MPDIoU损失的任务特定匹配规则来提高定位精度。大量实验验证了VODet取得了具有竞争力的检测性能，尤其在大长宽比和密集排列目标上表现突出。而且，VODet在所有比较方法中实现了最高的推理速度和最低的计算复杂度，展示了良好的精度-效率权衡。结果证实了研究人员提出的顶点偏移范式有效克服了角度参数化的局限性。此外，虽然VODet在标准基准上表现良好，但其在云覆盖和雾霾等退化条件下的鲁棒性仍有待探索。集成图像增强和恢复技术以提高此类场景下的检测可靠性是未来工作的一个富有前景的方向。另外，尽管VODet已在航空遥感数据集上得到验证，但其在其他领域（如自然图像或街景场景）的泛化能力尚未研究。探索面向目标检测的跨域适应是未来研究的另一个重要方向。
