La détection d'objets dirigés avec imagerie modulation de fond est une tâche complexe dans le domaine de la vision par ordinateur, les méthodes traditionnelles de cadre horizontal ne permettant pas de localiser précisément des objets dirigés de tailles diverses, d'orientation arbitraire et disposés de manière dense. La représentation du cadre dirigé à cinq paramètres actuellement largement utilisée, en raison de la périodicité de l'angle de direction et du problème d'échange des bords, augmente la complexité de la formation du modèle. Pour résoudre les problèmes susmentionnés, cet article présente un modèle de détection d'objets dirigés basé sur l'équation elliptique EllipticNet (Réseau de Détection d'Objets Orientés Basé sur l'Équation Elliptique). Tout d'abord, EllipticNet décompose le problème de prédiction de l'angle en deux sous-problèmes : la régression quantitative de l'angle et la classification de la direction de rotation, surmontant ainsi le problème de discontinuité des bords du cadre dirigé à cinq paramètres. Ensuite, cet article propose une fonction de perte contrainte à l'ellipse, renforçant les relations géométriques internes entre les paramètres de l'ellipse et améliorant la robustesse de la formation d'EllipticNet. De plus, cet article présente un module de pyramide de convolutions en espace creux en couches, améliorant considérablement la capacité d'EllipticNet à représenter des caractéristiques multi-échelles. Enfin, les expérimentations comparatives sur des ensembles de données d'imagerie modulation de fond connus, tels que DOTA, HRSC2016 et UCAS_AOD, montrent que l'approche de cet article est compétitive en termes de performance et d'efficacité, démontrant ainsi la valeur pratique de cette approche dans la détection d'objets dirigés avec imagerie modulation de fond.

Détection d'objets dirigés, équation elliptique, renforcement des caractéristiques, imagerie modulée en fond à haute résolution