摘要
在计算机视觉中，航拍图像中的目标检测是一项活跃而具有挑战性的任务，这主要是由于鸟瞰视角、复杂的背景以及目标外观的多样性。特别是在检测航拍图像中密集排列的目标时，依赖水平建议框的传统目标检测方法往往会在感兴趣区域（Region of Interests, RoIs）与目标之间产生错配。这导致最终的目标分类置信度与定位精度之间出现常见的不一致问题。尽管旋转锚点已被用于解决这一问题，但其设计通常会增加锚点的数量，从而大幅提高计算复杂度。本文提出了一种RoI变换器来应对这些问题。具体而言，为了提高区域建议的质量，我们首先设计了一个旋转RoI（Rotated RoI, RRoI）学习器，将水平感兴趣区域（Horizontal Region of Interest, HRoI）转换为旋转感兴趣区域（RRoI）。基于这些RRoIs，我们进一步提出了一个旋转位置敏感RoI对齐（Rotated Position Sensitive RoI Align, RPS-RoI-Align）模块，从这些区域中提取旋转不变特征以增强后续的分类和回归性能。我们的RoI变换器具有轻量级的特点，并且可以轻松嵌入到面向对象的检测器中。通过简单的实现，RoI变换器在两个常见且具有挑战性的航拍数据集DOTA和HRSC2016上取得了最先进的性能，同时对检测速度的影响微乎其微。当有方向边界框注释时，我们的RoI变换器超过了可变形的位置敏感RoI池化方法。大量的实验也验证了我们提出的RoI变换器的灵活性和有效性。结果表明，它可以轻松集成到其他检测器架构中，并显著提升性能。