SCRDet：面向更稳健的小目标、杂乱环境及旋转目标检测

目标检测一直是计算机视觉领域的基础构建模块。尽管已经取得了显著进展，但对于小尺寸、任意方向和密集分布的目标，仍然存在诸多挑战。除了自然图像外，这些问题在具有重要意义的航拍图像中尤为突出。本文提出了一种针对小尺寸、密集和旋转目标的多类别旋转检测器，即SCRDet（Small, Cluttered, Rotated Detector）。具体而言，设计了一种采样融合网络，该网络通过有效的锚点采样融合多层特征，以提高对小目标的敏感度。同时，探索了监督像素注意力网络和通道注意力网络，通过抑制噪声并突出目标特征来改进小尺寸和密集目标的检测效果。为了实现更精确的旋转估计，在平滑L1损失中加入了IoU常数因子，以解决旋转边界框的边界问题。在两个遥感公开数据集DOTA、NWPU VHR-10以及自然图像数据集COCO、VOC2007和场景文本数据集ICDAR2015上进行的大量实验表明，我们的检测器达到了最先进的性能。代码和模型将在https://github.com/DetectionTeamUCAS提供。