Обнаружение направленных объектов с использованием дистанционного зондирования занимает важное место в области компьютерного зрения, так как традиционные методы горизонтальной рамки не обеспечивают надежное определение различных размеров, произвольных направлений и плотных диапазонов удаленных объектов. Предложенная в настоящем документе пятипараметрическая направленная рамка, столкнувшаяся с влиянием углового периода и проблемой обмена границами, способствует увеличению сложности обучения моделей. В целях решения вышеуказанной проблемы в данной статье представлена модель обнаружения направленных объектов на основе эллиптического уравнения EllipticNet (сеть обнаружения направленных объектов на основе эллиптического уравнения). Во-первых, EllipticNet разделяет задачу предсказания углов на две подзадачи: количественную регрессию углов и классификацию направления поворота, тем самым преодолевая проблему непрерывности границ пятипараметрической направленной рамки. Во-вторых, в данной статье представлена функция потерь, основанная на эллипсе, которая улучшает внутренние геометрические отношения между параметрами эллипса и повышает устойчивость обучения EllipticNet. Кроме того, в данной статье представлен модуль эллиптического условия многократного пробела для улучшения способности EllipticNet к представлению многомасштабных признаков. В заключение, сравнительные эксперименты на известных общедоступных наборах данных, таких как DOTA, HRSC2016 и UCAS_AOD, показывают, что предложенный в данной статье подход обладает отличной конкурентоспособностью как в производительности, так и в эффективности, что свидетельствует о ценности данного подхода в обнаружении направленных объектов в компьютерном зрении.

Обнаружение направленных объектов, эллиптическое уравнение, усиление признаков, высокоразрешающие спутниковые изображения