任意方向の物体は、自然なシーン、航空写真、リモートセンシング画像などに広く見られます。そのため、任意方向の物体検出は多くの注目を集めています。現在の多くの回転検出器では、異なる向きを持つ多数のアンカーを使用して、真値ボックスとの空間的な一致を達成し、その後、Intersection-over-Union (IoU) を用いて訓練のための正例と負例のサンプリングを行います。しかし、我々は観察したところ、選択された正例のアンカーが回帰後に常に正確な検出を保証できない一方で、一部の負例サンプルが正確な位置特定を達成できることがわかりました。これは、IoU を通じたアンカーの品質評価が適切でないことを示しており、これにより分類信頼度と位置特定精度との間の一貫性が失われる可能性があります。本論文では、新しく定義されたマッチング度を利用し、アンカーの位置特定ポテンシャルを包括的に評価し、より効率的なラベル割り当てプロセスを行う動的アンカーラーニング (Dynamic Anchor Learning: DAL) 法を提案します。この方法により、検出器は動的に高品質なアンカーを選択し、正確な物体検出を実現することができ、分類と回帰間の乖離が緩和されます。新しく導入されたDAL を用いることで、水平方向に事前に設定された少数のアンカーのみを使用して任意方向の物体に対して優れた検出性能を達成しました。HRSC2016, DOTA, UCAS-AOD の3つのリモートセンシングデータセットおよびシーンテキストデータセット ICDAR 2015 における実験結果は、我々の手法がベースラインモデルと比較して大幅な改善を達成していることを示しています。さらに、我々のアプローチは水平バウンディングボックスを使用した物体検出にも普遍的に適用可能です。コードとモデルは https://github.com/ming71/DAL から入手できます。