DREB-Net：用于高动态 UAV 目标检测的双流恢复嵌入模糊特征融合网络
摘要
目标检测算法是无人机 (UAV) 成像系统中至关重要的组件，广泛应用于复杂领域。然而，由高动态 UAV 捕获的图像常常出现运动模糊情况，这显著阻碍了先进目标检测算法的性能。为此，我们提出了一种专为模糊图像目标检测设计的创新目标检测算法，命名为 DREB-Net (Dual-stream Restoration Embedding Blur-feature Fusion Network，即双流恢复嵌入模糊特征融合网络)。首先，DREB-Net 通过在训练阶段包含模糊图像恢复辅助分支 (Blurry image Restoration Auxiliary Branch, BRAB) 来解决模糊图像目标检测问题的特殊性。其次，通过多级注意力引导特征融合 (Multi-level Attention-Guided Feature Fusion, MAGFF) 模块融合提取的浅层特征，以提取更丰富的特征。其中，MAGFF 模块包含局部注意力模块和全局注意力模块，这些模块为不同分支分配不同的权重。然后，在推理阶段，可以去除 BRAB 的深度特征提取，以减少计算复杂度并提高检测速度。在损失函数中，添加 MSE 和 SSIM 的组合损失用于 BRAB 以恢复模糊图像。最后，DREB-Net 在特征提取的早期阶段通过可学习频率域幅度调制模块 (Learnable Frequency domain Amplitude Modulation Module, LFAMM) 引入快速傅里叶变换，以调整特征幅度并增强特征处理能力。实验结果表明，DREB-Net 能在捕获图像中出现运动模糊的情况下有效执行目标检测任务，展现出卓越的性能和广阔的应用前景。我们的源代码将在 https://github.com/EEIC-Lab/DREB-Net.git 上提供。
引用
@article{arxiv.2410.17822,
title = {DREB-Net: Dual-stream Restoration Embedding Blur-feature Fusion Network for High-mobility UAV Object Detection},
author = {Qingpeng Li and Yuxin Zhang and Leyuan Fang and Yuhan Kang and Shutao Li and Xiao Xiang Zhu},
journal= {arXiv preprint arXiv:2410.17822},
year = {2024}
}