该文在确定旋转框的基础上，提出Box boundary-aware vectors(BBAVectors)回归框边界感知向量去生成旋转框。图3 BBAVectors网络结构图图3所示说明：该方法的总体架构和面向边界框（OBB）描述。输入图像在被馈送到网络之前被调整大小为608×608。该体系结构建立在一个U形网络上。在上采样过程中，采用跳过连接来组合特征图。该架构的输出包括四个映射：热图P、偏移映

通过递归查看字符来分割文本。递归地尝试按不同的字符进行分割，以找到一个有效的字符。

1.首先我们拿一幅8*8的图，window size（窗口大小）设置为4*4，本文中每个不同的颜色对应不同的区域块。 将一幅8*8的图片，运用4*4的window size 分为四个窗口，在swin transformer第一层的W-MSA即上图的四块自身进行MSA（Multi head self attention），这个比较好理解，重点是在第二层的SW-MSA。 2.SW-MSA（shift

2.更改configs文件下调用的hrsc.py文件中，①data_root的路径为你的HRSC2016数据集的路径，②训练和测试的imgset、ann_file、img_prefix的路径。4.更改configs文件下调用的default_runtime.py文件，根据自己的需要更改部分参数。部分可能用到的参数说明：①--gpus 要使用的gpu数量②--gpu-ids 要使用的gpu的id.1