一句话总结

本综述系统梳理了光学遥感中定向目标检测的深度学习进展。文章追溯了从水平检测到定向检测的演进历程，将现有方法划分为检测框架、定向边界框回归技术及特征表示方法，以应对特征与空间错位挑战，并对前沿算法、公开数据集及评估协议进行了结构化对比，同时指出了未来的研究方向。

核心贡献

• 本文建立了一套系统的分类体系，将定向目标检测方法划分为检测框架、定向边界框回归技术、特征表示方法以及针对遥感挑战的专项解决方案。该分类详细阐述了当前架构如何缓解由 OpenCV 和长边定义所固有的特征错位、空间错位及角度边界不连续问题。
• 本综述汇编了全面的公开遥感数据集清单及标准化评估协议，以建立一致的基准测试标准。这一整合参考资源有助于实现可复现的实验设置，并支持在不同任务配置下进行直接的性能对比。
• 该工作对前沿检测模型进行了广泛的对比分析，以识别剩余的技术瓶颈并规划优先的未来研究方向。这些发现综合了多个基准上的实证评估趋势，为后续的方法论发展提供指导。

引言

本文针对光学遥感影像中的定向目标检测进行了全面综述，该技术是精准农业、城市规划及军事侦察等应用的关键能力。由于此类图像通常采用俯视视角拍摄，目标呈现任意角度，导致传统水平边界框因包含过多背景且在密集场景中重叠度高而效率低下。将标准检测器直接迁移至该领域面临诸多挑战，包括轴对齐卷积引发的特征错位、锚框重叠率低导致的空间错位，以及由角度周期性和顶点排序问题引起的回归不稳定性。为弥补这些不足，本文系统地将现有方法归类为检测框架、定向边界框回归技术及高级特征表示策略，并对前沿模型进行了严格基准测试。同时，文章指出了持续存在的研究瓶颈，并展望了轻量化架构、多模态数据集及大规模基础模型等具有潜力的未来方向。

数据集

• 数据集构成与来源： 本文作者将定向目标检测数据划分为早期与现代基准数据集，主要来源于无人机与卫星影像，涵盖城市交通管理、工业巡检、港口运营及安全监控等领域。核心数据集包括 HRSC2016、FGSD、ShipRSImageNet、DOTA-V1.0、DOTA-V2.0 及 FAIR1M。
• 子集详情： 早期数据集（如 HRSC2016）包含的实例数量有限且场景较窄，而现代基准数据集扩展至数百万实例及细粒度类别。图像背景复杂，分辨率最高可达 20,000 × 20,000 像素。DOTA-V1.0 作为标准评估基准，DOTA-V2.0 侧重于大规模高难度场景，FAIR1M 则专注于细粒度定向检测。
• 数据使用与处理： 作者利用这些大规模数据集进行预训练与迁移学习。该策略显著缩短了模型开发周期与计算成本，同时提升了不同定向目标检测方法中的识别精度。
• 预处理与元数据： 原文未明确说明裁剪策略、元数据构建、显式过滤规则或训练集划分比例。相关讨论主要聚焦于数据集规模、场景多样性及其与实际部署的契合度，而非详细的预处理流程。

方法

本文作者采用两阶段检测框架作为定向目标检测的基础方法，该框架建立在成熟的 Faster R-CNN 架构之上。此架构旨在解决航拍图像中任意角度目标检测的挑战。整体流程始于特征提取模块，该模块处理输入图像以生成多级特征图。随后，该特征图被输入至区域建议网络（RPN），RPN 在每个空间位置运行以预测一组区域候选框。RPN 针对这些候选框输出分类（cls）与回归（reg）预测，从而生成一组稀疏的高质量潜在目标区域。

如图所示，所提出的框架在标准两阶段架构基础上引入了感兴趣区域（RoI）对齐步骤。在 RPN 之后，提取每个候选框的区域特征并将其传递至 RoI Align 模块。该模块确保特征与候选区域在空间上保持对齐，这对于实现准确的分类与回归至关重要。对齐后的特征随后被输入至 RCNN 模块，该模块针对每个候选框执行最终分类与精细化回归。此阶段输出最终检测结果，并经过非极大值抑制（NMS）等后处理操作以完成预测。

为应对定向目标的特定挑战，该框架被调整为生成旋转区域候选框。仅能生成水平候选框的标准 RPN 经过修改，以生成更贴合目标方向的旋转候选框。该调整可通过使用旋转锚框生成候选框，或引入轻量级模块将水平锚框转换为高质量旋转候选框来实现。此设计旨在缓解使用水平区域候选框检测任意角度目标时产生的特征错位问题，如附图所示。水平区域候选框与定向目标之间的特征错位会严重损害特征表示质量，导致检测器难以识别目标并回归精确的定向边界框。

该框架的设计通过集成特征细化阶段得到进一步增强。该阶段接收初始特征图并应用细化流程，以提升特征质量后再用于检测。此细化过程有助于缓解特征错位与空间错位问题，尤其在目标具有大长宽比或复杂朝向的场景中效果显著。通过对特征进行细化，模型能够实现更精准的位置定位与分类，从而提升整体检测性能。细化后的特征随后用于最终分类与回归任务，构建出更稳健且准确的定向目标检测系统。

实验

评估实验在 DOTA-V1.0 数据集上对比了前沿定向目标检测器，旨在分析不同架构选择与训练策略如何应对任意角度、尺度变化及极端长宽比等核心挑战。两阶段框架始终取得最高精度，单阶段方法通过精细化对齐阶段实现相当的性能，而基于 DETR 的方法在旋转目标覆盖方面表现较弱。分析进一步表明，高级损失函数与专用边界框表示显著提升了回归稳定性，基于 Transformer 的骨干网络在计算成本较高的情况下仍提供了更优越的特征提取能力。最终，整合注意力机制、重加权分配策略与多尺度训练被证明对缓解背景噪声与尺度相关问题至关重要，尽管这些改进通常伴随着更高的训练与推理开销。

本文作者对比了 DOTA-V1.0 数据集上前沿定向目标检测方法的性能指标与核心方法组件。该数据集按不同版本划分，包含变化的图像与实例数量，反映了规模与复杂度的更新。数据集版本显示训练集与总实例数量显著增加，表明评估基准更大且更复杂。验证集图像与实例数量从 V1.0 到 V2.0 大幅增长，说明验证能力得到增强。后续版本引入了测试挑战集，为基准测试新方法提供了专用评估集。

本文作者对比了 DOTA-V1.0 数据集上前沿定向目标检测方法的性能，重点分析不同检测框架、OBB 表示技术、特征表示方法及常见问题的解决方案。结果表明，两阶段检测器取得最高性能，基于 Transformer 的骨干网络在计算成本较高的情况下仍优于基于 CNN 的网络。多尺度训练与测试提升了精度，但显著增加了训练与推理时间。与单阶段及基于 DETR 的方法相比，两阶段检测器性能最优。基于 Transformer 的骨干网络在精度上优于基于 CNN 的骨干网络，但需要更长的训练时间。多尺度训练与测试提高了检测精度，但导致训练与推理时间大幅增加。

本文作者对比了 DOTA-V1.0 数据集上前沿定向目标检测方法的性能，依据检测框架、OBB 表示技术、特征表示方法及常见挑战解决方案进行分析。结果表明，两阶段检测器通常获得更高精度，基于 Transformer 的模型在训练时间较长的情况下仍优于基于 CNN 的模型，且多尺度训练在增加计算需求的前提下带来了显著的性能提升。与单阶段及无锚框方法相比，两阶段检测器性能更高。基于 Transformer 的骨干网络在精度上优于基于 CNN 的模型，但需要更长的训练时间。多尺度训练提高了检测精度，但显著延长了训练与推理周期。

本文作者对比了 DOTA-V1.0 数据集上前沿定向目标检测方法的性能，并通过柱状图展示不同目标类别的结果。图表显示检测器性能因类别而异，部分方法在特定类别上表现显著提升，而其他方法表现则不够稳定。结果突显了不同数据集间检测精度的差异，尤其是 DOTA-V1.0 与 DOTA-V2.0 之间，新版本中部分类别的精度有明显提升。性能在不同目标类别间波动显著，部分类别的检测精度远高于其他类别。与 DOTA-V1.0 相比，检测器在 DOTA-V2.0 的某些类别上取得更好结果，表明数据集层面有所改进。特定类别中方法间的性能差距更为明显，说明检测挑战因目标类型而异。

本文作者对比了 DOTA-V1.0 数据集上前沿定向目标检测方法的性能，分析了不同目标类别与数据划分下的表现。结果显示检测精度与分布模式存在差异，部分类别表现出更高的检测难度，这由箱线图中数据点的分布与位置所反映。性能在不同目标类别间波动显著，部分类别呈现出更具挑战性的检测分布。不同数据划分展现出不同的性能趋势，表明检测难度随数据集版本与覆盖范围而变化。箱线图揭示了检测精度与一致性的差异，突出了类别特定特征对模型性能的影响。

实验在 DOTA-V1.0 数据集上评估了前沿定向目标检测方法的性能，以考察检测框架、骨干网络架构与训练策略对整体表现的影响。定性分析表明，两阶段检测器与基于 Transformer 的骨干网络始终比单阶段及基于 CNN 的替代方案取得更高精度，尽管这些优势被大幅增加的计算与时间需求所抵消。多尺度训练进一步提升了检测质量，但显著延长了训练与推理周期。此外，类别专项评估显示检测难度因目标类型差异巨大，数据集版本间的性能提升凸显了定向检测基准测试不断演变的复杂度与类别依赖性挑战。