Faster RER-CNN Notes

《Faster RER-CNN: application to the detection of vehicles in aerial images》

• arXiv：https://arxiv.org/abs/1809.07628

问题界定与解决方向

目标检测（Object Detection）是一项广泛且通用的任务，其核心目标在于识别图像中的各类物体。然而在实际应用场景中，往往只需要对特定种类的物体进行识别，例如车牌识别、人脸识别以及场景文字识别等。

若直接将经典的目标检测模型（如Faster R-CNN、YOLO和SSD等）应用于具体任务中，例如通过预训练网络对特定数据集进行微调，通常也能获得较为理想的mAP指标。不过，这种方式仅能实现基本的解决效果，并未达到高度契合的要求。

本研究旨在针对航空遥感图像（aerial image）中“小”且“旋转”的车辆进行精准检测。

• 所谓“小”，是相对于整幅图像而言的物体尺寸大小。这一问题与小目标检测任务具有相似之处。
• “旋转”则指物体的具体朝向角度，并非传统的四边垂直边界框，而是带有一定旋转角度的边界框（但角度相对较小）。

如果上述描述仍存在理解困难，无需担心，请参考下方图示。常规的边界框（BBS）已无法满足该任务需求，必须设计一种能够识别带角度边界框的算法。实际上，这种新型边界框所覆盖的区域