基于深度学习的旋转目标检测方法研究进展

• 作者: 安胜彪 娄慧儒 陈书旺 白宇
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 卷积神经网络 目标检测 旋转目标 深度学习 计算机视觉
• 年，卷（期）: 2021,（21）
• 所属期刊栏目: 信息技术及图像处理|Information Technology and Image Processing
• 页码范围: 168-178
• 页数: 11页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.2107833

摘要

在遥感和场景文本图像中,目标具有方向多样性和尺度变化较大等特点,使得常见目标检测方法在这两场景中检测效果不佳,针对此问题,诞生了许多专门设计的检测方法.将朝向角度信息融入候选区域生成网络或设计专门的方向角度预测网络,是目前有朝向目标检测研究的主流方法,其对遥感和场景文本图像检测具有重要意义.本文综述了旋转目标检测在遥感和场景文本两场景中的研究现状,根据有无锚框将当前基于深度学习的旋转目标检测方法分为基于锚框的一阶段方法、基于锚框的二阶段方法和无锚框方法3类方法进行归纳分析,并从优缺点、骨干网络和适用场景等方面进行了对比.最后,对旋转目标检测方法的发展前景和研究方向进行了展望.