Oriented object detection is a challenging task in aerial images since the objects in aerial images are displayed in arbitrary directions and are frequently densely packed. The mainstream detectors describe rotating objects using a five-parameter or eight-parameter representations, which have representation ambiguity for orientated object definition and border loss discontinuity in the regression process. We proposed an innovative representation method based on area ratio of parallelogram, called area ratio of parallelogram (ARP). Specifically, ARP regresses the minimum bounding rectangle of the oriented object and three area ratios. Three area ratios include the area ratio of a directed object to the smallest circumscribed rectangle and two parallelograms to the minimum circumscribed rectangle. It simplifies offset learning and eliminates the issue of angular periodicity or label point sequences for oriented objects. To further remedy the confusion issue of nearly horizontal objects, the area ratio between the object and its minimal circumscribed rectangle is employed to guide the selection of horizontal or oriented detection for each object. Moreover, the rotated efficient intersection over union loss with horizontal bounding box and three area ratios are designed to optimize the bounding box regression for rotating objects. Experimental results on remote sensing datasets, including HRSC2016, DOTA, and UCAS-AOD, show that the proposed method achieves superior detection performance than many state-of-the-art approaches.

中文翻译：

---

基于平行四边形面积比的航拍图像定向目标检测

定向目标检测是航拍图像中的一项具有挑战性的任务，因为航拍图像中的对象以任意方向显示并且经常密集排列。主流检测器使用五参数或八参数表示来描述旋转物体，它们在回归过程中具有定向对象定义的表示模糊性和边界损失不连续性。我们提出了一种基于平行四边形面积比的创新表示方法，称为平行四边形面积比（ARP）。具体来说，ARP 回归了定向对象的最小边界矩形和三个面积比。三个面积比包括有向物体与最小外接矩形的面积比和两个平行四边形与最小外接矩形的面积比。它简化了偏移学习并消除了定向对象的角度周期性或标签点序列问题。为了进一步解决近水平物体的混淆问题，利用物体与其最小外接矩形的面积比来指导对每个物体进行水平或定向检测的选择。此外，设计了水平边界框和三个面积比的旋转有效交集与联合损失，以优化旋转对象的边界框回归。在包括 HRSC2016、DOTA 和 UCAS-AOD 在内的遥感数据集上的实验结果表明，所提出的方法比许多最先进的方法具有更好的检测性能。为了进一步解决近水平物体的混淆问题，利用物体与其最小外接矩形的面积比来指导对每个物体进行水平或定向检测的选择。此外，设计了水平边界框和三个面积比的旋转有效交集与联合损失，以优化旋转对象的边界框回归。在包括 HRSC2016、DOTA 和 UCAS-AOD 在内的遥感数据集上的实验结果表明，所提出的方法比许多最先进的方法具有更好的检测性能。为了进一步解决近水平物体的混淆问题，利用物体与其最小外接矩形的面积比来指导对每个物体进行水平或定向检测的选择。此外，设计了水平边界框和三个面积比的旋转有效交集与联合损失，以优化旋转对象的边界框回归。在包括 HRSC2016、DOTA 和 UCAS-AOD 在内的遥感数据集上的实验结果表明，所提出的方法比许多最先进的方法具有更好的检测性能。具有水平边界框和三个面积比的旋转有效交叉联合损失旨在优化旋转对象的边界框回归。在包括 HRSC2016、DOTA 和 UCAS-AOD 在内的遥感数据集上的实验结果表明，所提出的方法比许多最先进的方法具有更好的检测性能。具有水平边界框和三个面积比的旋转有效交叉联合损失旨在优化旋转对象的边界框回归。在包括 HRSC2016、DOTA 和 UCAS-AOD 在内的遥感数据集上的实验结果表明，所提出的方法比许多最先进的方法具有更好的检测性能。