| 使用环境 |
在遥感图像处理领域，针对大场景遥感图像内容复杂、目标种类多、尺度不一、方向多变等特点，使用高性能计算设备进行目标检测。环境光线充足，数据采集通过卫星或航空遥感设备完成，图像分辨率高，数据量大。 |
| 使用对象 |
遥感图像中的各类目标，如舰船、油罐、港口、桥梁、飞机、直升机、游泳池、田径场、棒球场、足球场、篮球场、大型车辆、小型车辆、网球场、环形路线 |
| 使用目的 |
准确、高效地检测出遥感图像中的多类多尺度多方向目标，提高目标检测精度，为军事侦察、国防建设、城市规划、环境监测等实际应用提供技术支持。 |
| 输入数据 |
遥感图像，经过预处理后的RGB图像帧，分辨率为1024×1024像素。 |
| 输出数据 |
检测到的目标类别、位置（以旋转边框表示）、置信度 |
| 硬件配置 |
CPU：Intel i9处理器，具备强大的多线程处理能力。
GPU：NVIDIA GeForce RTX 2080Ti，CUDA 10.0，显存容量8GB，用于加速深度学习模型的训练和推理。
内存：16GB DDR4，满足深度学习模型对内存的需求。
硬盘：1TB NVMe SSD，用于存储遥感图像数据和模型文件。
网卡：千兆以太网卡，用于数据传输。 |
| 样本获取 |
在DOTA公开数据集上进行实验，数据集包含2806幅遥感图像，图像尺寸从800×800到4000×4000不等。通过多尺度裁剪扩充数据集，裁剪窗口大小为1024×1024，裁剪步长为200。 |
| 测试结果 |
在DOTA数据集上与多种经典检测算法对比，平均检测精度（mAP）达到73.35%，显著高于其他算法，能够更准确地检测多个尺度以及多个方向的目标。 |
| 执行速度 |
单张图像检测速度约为1秒。 |
| 资源消耗 |
单独运行算法时，CPU平均计算占比约70%，GPU平均计算占比约90%，内存使用占比约70%。 |
| 源码类型 |
提供Python版本源码，采用售卖方式三进行授权。 |
| 文件大小 |
算法程序文件120KB，权重文件320MB |
| 相关备注 |
|
