通过尺度不变特征解耦与对抗学习提升基于无人机的目标检测
计算机视觉与模式识别
2024-12-30 v3
摘要
从无人机（UAV）检测目标常常受到大量小目标的阻碍，导致检测精度低。为了解决这个问题，主流方法通常采用多阶段推理。尽管它们具有显著的检测精度，但牺牲了实时效率，使其在处理实际应用时不太实用。为此，我们提出通过学习尺度不变特征来提高单阶段推理精度。具体来说，设计了一个尺度不变特征解耦模块，用于解耦尺度相关和尺度不变特征。然后采用对抗特征学习方案来增强解耦。最后，利用尺度不变特征进行鲁棒的基于无人机的目标检测。此外，我们构建了一个多模态无人机目标检测数据集State-Air，其中包含带注释的无人机状态参数。我们将我们的方法应用于两个基准数据集上的三个轻量级检测框架。大量实验表明，我们的方法可以有效提高模型精度，并在两个数据集上实现最先进（SoTA）性能。我们的代码和数据集将在论文被接受后公开。
引用
@article{arxiv.2405.15465,
title = {Boost UAV-based Ojbect Detection via Scale-Invariant Feature Disentanglement and Adversarial Learning},
author = {Fan Liu and Liang Yao and Chuanyi Zhang and Ting Wu and Xinlei Zhang and Xiruo Jiang and Jun Zhou},
journal= {arXiv preprint arXiv:2405.15465},
year = {2024}
}