急速な発展を遂げているにもかかわらず、リモートセンシングの物体検出においては、高アスペクト比の物体を検出することが依然として困難である。本論文では、大ストリップ畳み込みがリモートセンシングの物体検出に適した特徴表現学習者であり、様々なアスペクト比の物体を良好に検出できることが示されている。大ストリップ畳み込みに基づいて、シンプルで効率的かつ強力な新しいネットワークアーキテクチャであるStrip R-CNNを開発した。最近のリモートセンシングの物体検出器が正方形の大カーネル畳み込みを利用しているのに対し、我々のStrip R-CNNはバックボーンネットワークであるStripNetで順次直交する大ストリップ畳み込みを使用して空間情報を捉える。さらに、検出ヘッドを分離し、ストリップヘッド内の位置特定ブランチにストリップ畳み込みを装備することで、リモートセンシングの物体検出器の位置特定能力を向上させた。DOTA, FAIR1M, HRSC2016, DIORなどの複数のベンチマークでの広範な実験により、我々のStrip R-CNNが以前の研究を大幅に改善できることを示している。特に、30MモデルはDOTA-v1.0で82.75%のmAP（平均精度）を達成し、新たな最先端記録を樹立した。我々はコードを公開する予定である。コードはhttps://github.com/YXB-NKU/Strip-R-CNN から入手可能である。