DASSF：用于航空目标检测的动态注意力尺度-序列融合
计算机视觉与模式识别
2024-06-25 v2 人工智能
摘要
航空图像中小目标检测是计算机视觉领域的基本任务。航空摄影中的运动目标面临形状和尺寸不同、密集重叠、被背景遮挡以及目标模糊等问题，然而原始 YOLO 算法因其对不同尺度目标感知能力弱，导致整体检测精度低。为提高密集重叠小目标和模糊目标的检测精度，本文提出一种用于航空图像小目标检测的动态注意力尺度-序列融合算法（DASSF）。首先，我们提出动态尺度序列特征融合（DSSFF）模块，改进上采样机制并降低计算负担。其次，添加专用的 x 小目标检测头，以增强小目标的检测能力。最后，为提高不同类型和大小目标的表征能力，我们采用动态头（DyHead）。我们提出的模型解决了航空图像中小目标检测问题，可适用于多个不同的 YOLO 算法版本。实验结果表明，当将 DASSF 方法应用于 YOLOv8 时，分别在 VisDrone-2019 和 DIOR 数据集上相较于 YOLOv8n，模型在平均精度（mAP）上分别提升了 9.2% 和 2.4%，并优于当前主流方法。
引用
@article{arxiv.2406.12285,
title = {DASSF: Dynamic-Attention Scale-Sequence Fusion for Aerial Object Detection},
author = {Haodong Li and Haicheng Qu},
journal= {arXiv preprint arXiv:2406.12285},
year = {2024}
}