涂 鑫，王 滨

(华北计算技术研究所基础四部，北京 100083)

0 引 言

遥感图像中的船、飞机等目标通常可以传达出非常有价值的语义信息，因此，遥感图像的目标检测在计算机视觉领域引起了越来越多的关注。以前的研究[1-4]中利用滑动窗口或具有手工特征设计的组件占据主导地位，这种方法将任务划分为一系列独特的步骤，充分利用自底向上的策略对目标进行搜索。尽管这些方法已显示出较好的性能，但由于遥感场景实例的多样性和较差的图像质量，这些方法的使用会受到限制。随着深度学习技术在自然场景目标检测领域的快速发展，遥感图像的目标检测纳入了通用的目标检测框架。这些目标检测框架可以分为2大类：基于proposal驱动的two-stage方法和基于proposal-free的one-stage方法。虽然two-stage的方法目前在各类公开数据集上有着更高的准确率，但是one-stage的方法在速度与精度上具有更好的平衡。

two-stage检测方法可以通过proposal和region pooling操作对在任何位置出现的具有任何形状的目标进行分类。而one-stage检测方法则严重依赖高密度的候选框去覆盖目标所在的区域，尤其是在遥感场景中，通常采用的实现高覆盖率的方法是使用多种尺度和宽高比的候选框。例如，TextBoxes++[5]基于SSD[6]检测网络定义了7种特定的宽高比(包括1、2、3、5、1/2、1/3和1/5)的候选框。DMPNet[7]添加了几个旋转框，合计12个(6个常规和6个倾斜)用以完全覆盖任意方向的目标。DeepTextSpotter[8]跟着YOLOv2[9]利用训练集上的k均值聚类(k=14)框以自动找到合适的候选框，而不是手动设计候选框。

以上检测网络的候选框设计方法会带来3个问题：1)必须针对不同的检测物体的外观预先定义候选框的形状和尺度，一旦设计错误会对检测性能造成极大的损害[10]；……