1 南京信息工程大学江苏省大气环境与装备技术协同创新中心，江苏 南京 210044
2 南京信息工程大学自动化学院，江苏 南京 210044
针对遥感有向目标存在的检测问题，设计了一个基于改进Rotated RPN的网络，设计特征重组机制，通过加权使网络关注有效目标区域。使用新的有向框标注方法，避免在临界角度出现错位等问题。在检测头前端使用极化注意力模块，改善因为分类和回归任务所需特征不一致导致的性能下降问题。实验结果表明，该模型可以提高多类目标的检测精度。相较于基准Rotated RPN，该模型在Dior-R数据集上精度提升4.95%，在HRSC2016数据集上精度提升11.75%。
遥感 有向目标检测 深度学习 特征重组 极化注意力
