Strip R-CNN: 원격 감지 객체 검출을 위한 대형 스트립 컨볼루션

원격 감지 객체 검출은 급속한 발전을 이루어 왔지만, 고종횡비 객체를 검출하는 것은 여전히 어려움을 겪고 있습니다. 본 논문에서는 대형 스트립 컨볼루션(Large Strip Convolution)이 원격 감지 객체 검출에 있어 우수한 특성 표현 학습자임을 보여주며, 다양한 종횡비의 객체를 잘 검출할 수 있음을 입증합니다. 이 대형 스트립 컨볼루션을 기반으로, 우리는 간단하면서도 효율적이고 강력한 새로운 네트워크 아키텍처인 스트립 R-CNN(Strip R-CNN)을 제안합니다. 최근의 원격 감지 객체 검출기들이 정사각형 형태의 대형 커널 컨볼루션(Large-Kernel Convolution)을 활용하는 것과 달리, 우리의 스트립 R-CNN은 백본 네트워크인 스트립넷(StripNet)에서 순차적으로 직교하는 대형 스트립 컨볼루션을 사용하여 공간 정보를 포착합니다. 또한, 우리는 검출 헤드를 분리하고 위치 추정 브랜치에 스트립 컨볼루션을 장착함으로써 원격 감지 객체 검출기의 위치 추정 능력을 향상시킵니다. DOTA, FAIR1M, HRSC2016, DIOR 등 여러 벤치마크에서 수행된 광범위한 실험 결과는 우리의 스트립 R-CNN이 기존 연구보다 크게 개선되었음을 보여줍니다. 특히, 30M 모델은 DOTA-v1.0에서 82.75%의 mAP를 달성하여 새로운 최신 기록(State-of-the-Art Record)을 세웠습니다. 우리의 코드는 공개될 예정입니다. 코드는 https://github.com/YXB-NKU/Strip-R-CNN에서 확인할 수 있습니다.