.png){kind=icon}
返回
Deformable 1D Directional Convolution with Bidirectional Offsets for Oriented Object Detection
.png){kind=icon}
OA
AI
DOI：10.3390/rs18060934.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
目标检测是图像处理和计算机视觉领域中的一个重要且具有挑战性的任务。检测有向目标的主要挑战源于其高长宽比以及以任意方向分布的特性。已开发出多种方法来处理这一问题。然而，大多数现有工作依赖于耗时的旋转和插值操作来对齐有向目标特征表示。为避免这些操作，本文首先引入了一种简单而有效的可变形1D方向卷积（D1DD-Conv），它通过使用水平和垂直偏移变形1D卷积核来实现旋转卷积。在此基础上，我们随后设计了一个三分支卷积层，并将D1DD-Conv整合到特征金字塔网络中以提取目标的定向特征。此外，我们提出了一种深度模型来处理有向目标检测任务。通过仅允许沿水平和垂直方向的偏移，D1DD-Conv本质上对应于旋转的1D卷积，但没有任何旋转操作。这种简单的设计有利于高效捕捉不同有向目标的定向特征，从而实现对每个有向目标的有向边界框的准确预测。在三个流行数据集上进行的一些实验表明，我们的模型能够实现卓越的检测性能。
Keyword:
deformable 1D convolution
directional offset
feature pyramid network
oriented bounding box
oriented object detection
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
4.1
论文数:
7.2K
被引数:
15.1W
机构
引用论文
Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks更快的r-cnn: 基于区域建议网络的实时目标检测OAAI
OAAI分享收藏Ship Rotated Bounding Box Space for Ship Extraction From High-Resolution Optical Satellite Images With Complex Backgrounds舰船旋转包围盒空间用于复杂背景高分辨率光学卫星图像舰船提取
PREAI
分享收藏Strip R-CNN: large strip convolution for remote sensing object detection. arXiv preprint arXiv:2501.03775Strip R-CNN：用于遥感目标检测的大条带卷积。arXiv预印本 arXiv:2501.03775.png)
IF0
PREAI
分享收藏分享收藏Convex-Hull Feature Adaptation for Oriented and Densely Packed Object Detection用于定向和密集堆积对象检测的凸包特征自适应
PREAI
分享收藏AG-Yolo: Attention-Guided Yolo for Efficient Remote Sensing Oriented Object DetectionAG-Yolo：用于高效面向遥感目标检测的注意力引导YOLOREMOTE SENSING
OAAI
REMOTE SENSINGIF4.1
OAAI分享收藏RA2Net: Rotated alignment and aggregation network for oriented object detection in aerial imagesRA2Net: 用于航空图像中目标检测的旋转对齐与聚合网络Neurocomputing
NeurocomputingIF6.5
PREAI
分享收藏
查看更多内容