物体検出はコンピュータビジョンの基本的な構成要素となっています。大きな進歩が見られていますが、小さなサイズ、任意の方向、密集した分布を持つ物体に対する課題は依然として存在しています。自然画像だけでなく、これらの問題は特に重要な航空画像において顕著です。本論文では、小さな、混雑した、回転した物体を検出するための新しい多カテゴリ回転検出器であるSCRDet（Small, Cluttered, and Rotated Detector）を提案します。具体的には、効果的なアンカーサンプリングとマルチレイヤー特徴量の融合を行うサンプリング融合ネットワークを開発し、小さな物体への感度を向上させます。同時に、ノイズを抑制し物体の特徴を強調することで小さな混雑した物体検出に取り組むために、監督付きピクセル注意ネットワークとチャネル注意ネットワークを共同で探求します。より正確な回転推定のために、回転バウンディングボックスの境界問題に対処するためにIoU定数係数をスムーズL1損失に追加しました。DOTA, NWPU VHR-10という2つのリモートセンシング公開データセットおよびCOCO, VOC2007, ICDAR2015という自然画像データセットでの広範な実験により、当社の検出器が最先端の性能を示すことが確認されました。コードとモデルはhttps://github.com/DetectionTeamUCAS から利用可能です。