摘要

当前最先进的两阶段检测器通过耗时的策略生成定向候选区域，这严重降低了检测器的运行速度，成为先进定向目标检测系统中的计算瓶颈。本文提出一种高效且简洁的定向目标检测框架——Oriented R-CNN，这是一种具有优异精度与效率的通用两阶段定向检测器。具体而言，在第一阶段，我们提出一种定向区域提议网络（Oriented RPN），能够以近乎零成本的方式直接生成高质量的定向候选区域；第二阶段则采用定向R-CNN头，用于精炼定向感兴趣区域（Oriented RoIs）并完成识别。在不依赖任何技巧的前提下，基于ResNet50的Oriented R-CNN在两个常用的定向目标检测数据集上均达到当前最优性能：在DOTA数据集上取得75.87%的mAP，在HRSC2016数据集上达到96.50%的mAP；同时在单张RTX 2080Ti显卡上，以1024×1024图像尺寸运行时，仍可实现15.1 FPS的检测速度。我们期望本工作能够启发对定向检测器设计的重新思考，并为定向目标检测任务提供一个可靠的基准。代码已开源，地址为：https://github.com/jbwang1997/OBBDetection。