Oriented Object Detection in Optical Remote Sensing Images using Deep Learning: A Survey

要約

方向のオブジェクト検出は、任意の方向を持つオブジェクトを見つけて分類することを目的とした、リモートセンシングの最も基本的で挑戦的なタスクの1つです。
深い学習における最近の進歩により、指向されたオブジェクト検出の能力が大幅に向上しました。
この分野の急速な発展を考えると、このペーパーでは、方向のあるオブジェクト検出における最近の進歩に関する包括的な調査を提示します。
具体的には、水平オブジェクトの検出から指向されたオブジェクトの検出への技術的進化を追跡し、機能の不整合、空間的不整列、方向の境界ボックス（OBB）回帰問題など、特定の課題を強調することから始めます。
その後、既存の方法をさらに検出フレームワーク、OBB回帰、および特徴表現に分類し、これらのアプローチが上記の課題にどのように対処するかについて詳細な議論を提供します。
さらに、いくつかの公開されているデータセットと評価プロトコルについて説明します。
さらに、最先端の方法の包括的な比較と分析を提供します。
この論文の終わりに向かって、指向性オブジェクト検出のためのいくつかの将来の方向を特定します。

要約(オリジナル)

Oriented object detection is one of the most fundamental and challenging tasks in remote sensing, aiming to locate and classify objects with arbitrary orientations. Recent advancements in deep learning have significantly enhanced the capabilities of oriented object detection. Given the rapid development of this field, this paper presents a comprehensive survey of recent advances in oriented object detection. To be specific, we begin by tracing the technical evolution from horizontal object detection to oriented object detection and highlighting the specific challenges, including feature misalignment, spatial misalignment, and oriented bounding box (OBB) regression problems. Subsequently, we further categorize existing methods into detection framework, OBB regression, and feature representations, and provide an in-depth discussion on how these approaches address the above challenges. In addition, we cover several publicly available datasets and evaluation protocols. Furthermore, we provide a comprehensive comparison and analysis of state-of-the-art methods. Toward the end of this paper, we identify several future directions for oriented object detection.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google