基于深度学习的海上无人机图像目标检测：综述与实验比较
计算机视觉与模式识别
2023-11-16 v2 人工智能
摘要
随着海上无人机（UAVs）与深度学习技术的发展，基于 UAV 的目标检测在海事行业与海洋工程领域的应用愈发重要。凭借智能感知能力，海上 UAVs 实现了高效且有效的海上监视。为进一步推动海上 UAV 目标检测的发展，本文全面综述了相关挑战、方法及 UAV 航拍数据集。具体而言，本文首先简要总结海上 UAV 目标检测的四大挑战，即目标特征多样性、设备限制、海洋环境多变性与数据集稀缺性。继而聚焦于从尺度感知、小目标检测、视角感知、旋转目标检测、轻量方法等方面提升海上 UAV 目标检测性能的计算方法。接着，我们回顾 UAV 航拍图像/视频数据集，并提出一个名为 MS2ship 的海上 UAV 航拍数据集用于船舶检测。此外，我们开展一系列实验以呈现目标检测方法在海上数据集上的性能评估与鲁棒性分析。最后，我们对海上 UAV 目标检测的未来工作给出讨论与展望。MS2ship 数据集可在 \href{https://github.com/zcj234/MS2ship}{https://github.com/zcj234/MS2ship} 获取。
引用
@article{arxiv.2311.07955,
title = {Deep Learning-Based Object Detection in Maritime Unmanned Aerial Vehicle Imagery: Review and Experimental Comparisons},
author = {Chenjie Zhao and Ryan Wen Liu and Jingxiang Qu and Ruobin Gao},
journal= {arXiv preprint arXiv:2311.07955},
year = {2023}
}
备注
32 pages, 18 figures