우리는 항공 이미지에서 방향성을 가진 객체를 표현하기 위한 새로운 방법인 적응 주기 임베딩(Adaptive Period Embedding, APE)을 제안합니다. 전통적인 객체 검출 방법은 수평 바운딩 박스로 객체를 표현하지만, 항공 이미지의 객체는 방향성을 가지고 있습니다. 객체의 각도를 계산하는 것은 여전히 어려운 과제입니다. 이전의 대부분의 항공 이미지용 객체 검출기는 객체의 각도를 직접 회귀(regress)하지만, 복잡한 규칙을 사용하여 각도를 계산하고 있으며, 성능은 이러한 규칙 설계에 의해 제한됩니다. 반면에, 우리의 방법은 방향성 객체의 각도 주기성(angular periodicity)에 기반합니다. 각도는 주기가 다른 두 개의 두 차원 주기 벡터로 표현되며, 형태가 변화해도 벡터는 연속적입니다. 라벨 생성 규칙은 이전 방법들보다 더 간단하고 합리적입니다. 제안된 방법은 일반적이며 다른 방향성 검출기에 적용할 수 있습니다.또한, 긴 객체를 위한 새로운 IoU(IoU: Intersection over Union) 계산 방법인 길이 독립 IoU(length independent IoU, LIIoU)을 제안합니다. 우리는 대상 박스의 긴 변 중 일부를 절단하여 제안 박스와 절단된 대상 박스 사이에서 최대 IoU를 얻습니다. 이를 통해 일부 긴 박스가 해당하는 양성 샘플을 가질 수 있습니다. 우리의 방법은 2019년 IEEE CVPR 2019와 함께 개최된 '항공 이미지에서 객체 검출' 워크샵에서 열린 DOAI2019 경쟁 태스크1(방향성 객체)에서 1위를 차지했습니다.