Strip R-CNN 论文

原文：Strip R-CNN: Large Strip Convolution for Remote Sensing Object Detection

代码仓库：YXB-NKU/Strip-R-CNN: [AAAI 2026]”Strip R-CNN: Large Strip Convolution for Remote Sensing Object Detection”

网络解决的核心问题

Strip R-CNN 主要解决的是：遥感图像中的高长宽比目标，也就是细长目标，难以提取完整特征，并且难以进行精确定位。

1.png

可以看出strip R-CNN 方法相比其他方法的mAP更高，尤其是在长宽比大的时候优势更明显。
3.png

比较了LSKNet,PKINet,Strip R-CNN 三种方法的结构说，Strip R-CNN的结构Param最小，但mAP最高，说明了它的结构更优。

2.网络整体结构

Strip R-CNN 建立在 Oriented R-CNN 框架上:

  • 使用 StripNet 替换原 Backbone；
  • 使用 Strip Head 替换原 Detection Head。
    4.png
     这是StripNet Backbone的结构
    5.png
    这是Strip head的结构

实验结果：

1.说明strip R-CNN  FLOPs 低，mAP 高，以此来说明该方法的优越性。
2.消融实验说明了条带卷积核大小的最佳配置(19,19,19,19)，顺序条带卷积优于并行条带卷积以及StripNet 的通用性。
image.png