基于 Nano-drone 的 BlankSkip：早期退出目标检测
计算机视觉与模式识别
2026-03-31 v1
摘要
在纳米尺寸无人机上部署微型计算机视觉深度神经网络（DNN）是实现自主性的关键，但其计算平台（约10 MiB内存、1 W功耗预算）的极端紧张限制使其难以实现。针对“容易处理”输入帧的 early-exit 自适应 DNN 可通过降低平均推理延迟来实现，从而成为一种有前景的解决方案。尽管这种方法在分类任务中得到了广泛研究，但应用于密集型任务如目标检测（OD）却并不直接。在本文中，我们提出了 BlankSkip，一种用于 on-device OD 的自适应网络，利用简单的辅助分类任务实现 early exit，即识别不含感兴趣对象的帧。通过使用真实世界的纳米无人机平台（Bitcraze Crazyflie 2.1）进行实验，我们在 state-of-the-art 纳米无人机 OD 数据集上，以约 24% 的平均吞吐量提升，实现了仅降低 0.015 mAP 的限制，相较于静态 MobileNet-SSD 检测器。
引用
@article{arxiv.2603.28149,
title = {BlankSkip: Early-exit Object Detection onboard Nano-drones},
author = {Carlo Marra and Beatrice Alessandra Motetti and Alessio Burrello and Enrico Macii and Massimo Poncino and Daniele Jahier Pagliari},
journal= {arXiv preprint arXiv:2603.28149},
year = {2026}
}
备注
Accepted for publication in the Embedded Vision Workshop of the 2026 Computer Vision and Pattern Recognition (CVPR) conference