西北工业大学发布最新遥感图像目标检测综述论文和Benchmark，带你全面了解遥感图像检测方法

视觉目标检测（Object Detection）作为近年来的研究热点之一，受到了广泛关注，每年在计算机视觉三大会议（ICCV, CVPR, ECCV）上大量相关文章发表。遥感图像中的物体检测越来越受到重视，但是目前对遥感图像中目标检测的数据集和基于深度学习的方法的综述还不够完善。近期，西北工业大学Gong Cheng (程塨)教授等人发布了《Object Detection in Optical Remote Sensing Images: A Survey and A New Benchmark》这篇综述，概括了近年来计算机视觉和遥感观测领域基于深度学习的目标检测研究进展。然后，也提出了一个大规模、公开可用的光学遥感图像目标检测基准，将其命名为DIOR（近期会Open）。数据集包含23463张图像和190288个实例，覆盖20个目标象类，评估了DIOR数据集上几种最先进的方法，为未来的研究奠定了基础。

Object Detection in Optical Remote Sensing Images: A Survey and A New Benchmark

【摘要】最近研究者们已作出大量努力，提出光学遥感图像中的各种目标检测方法。然而，目前对光学遥感图像中目标检测的数据集和基于深度学习的方法的综述还不够完善。此外，现有的数据集大多存在一些不足之处，如图像和目标类别数量较少，图像多样性和变异性不足。这些局限性极大地影响了基于深度学习的目标检测方法的发展。本文综述了近年来计算机视觉和地球观测领域基于深度学习的目标检测研究进展。然后，我们提出了一个大规模、公开可用的光学遥感图像目标检测基准，我们将其命名为DIOR。数据集包含23463张图像和190288个实例，覆盖20个目标象类。我们提出的DIOR数据集1)在目标类别、目标实例数量和总图像数量上都是大规模的; 2)具有大范围的目标尺度变化，不仅在空间分辨率方面，而且在跨目标的类间和类内尺度变化方面; 3)由于成像条件、天气、季节、成像质量的不同，成像结果差异较大; 4)具有较高的类间相似性和类内多样性。我们提出的基准可以帮助研究人员开发和验证他们的数据驱动方法。最后，我们评估了DIOR数据集上几种最先进的方法，为未来的研究奠定了基础。