（arxiv2025）即插即用大尺度条带卷积，涨点起飞！

主要观点总结

本文介绍了一篇名为Strip R-CNN的论文，该论文提出了一种新的遥感图像目标检测方法。文章详细介绍了Strip R-CNN的创新点，包括大尺寸条形卷积的使用、新型骨干网络StripNet的设计、检测头Strip Head的解耦设计以及大量的实验验证。

关键观点总结

关键观点1: 引入大尺寸条形卷积用于遥感目标检测

论文提出用大尺寸条形卷积核替代传统大方形卷积核，沿水平和垂直方向独立建模，更适合处理遥感图像中大量的细长目标。

关键观点2: 设计轻量高效的新型骨干网络StripNet

StripNet利用串行组合的小卷积+条形卷积，实现了高性能与低复杂度的平衡，并在DOTA-v1.0数据集上达到80.06% mAP。

关键观点3: 提出新型检测头Strip Head并解耦设计

Strip Head将传统的检测头解耦为分类、定位和角度预测三个分支，将条形卷积模块用于定位分支，显著提升了对细长目标的回归精度。

关键观点4: 系统性实证验证条形卷积的有效性

通过多个消融实验证明条形卷积在表示细长目标时的显著优势，包括核大小选择、结构顺序、定位头设计等。

关键观点5: 在多个遥感数据集上创下新SOTA记录

Strip R-CNN在DOTA-v1.0单模态达到82.75% mAP，并在其他遥感数据集如HRSC2016、FAIR1M、DIOR-R上均优于现有方法。

免责声明