利用无人机影像检测濒危鹿种：高效深度学习方法之比较研究
计算机视觉与模式识别
2025-06-03 v1 人工智能
摘要
本研究比较了包括 YOLOv11 变体和 RT-DETR 模型在内的 state-of-the-art 神经网络在无人机影像中检测沼泽鹿的性能，测试场景涵盖样本仅占据图像极小部分且被植被遮挡的情况。我们扩展了先前的分析，为数据集添加了精确的分割掩码，从而能够对包含分割头的 YOLO 模型进行细粒度训练。实验结果表明，引入分割头能有效提升检测性能。本研究为通过可扩展且精确的 AI 驱动检测系统改进基于无人机的野生动物监测与保护策略提供了有价值的见解。
引用
@article{arxiv.2506.00154,
title = {Detection of Endangered Deer Species Using UAV Imagery: A Comparative Study Between Efficient Deep Learning Approaches},
author = {Agustín Roca and Gastón Castro and Gabriel Torre and Leonardo J. Colombo and Ignacio Mas and Javier Pereira and Juan I. Giribet},
journal= {arXiv preprint arXiv:2506.00154},
year = {2025}
}