DroBoost：针对无人机检测的人工智能得分与模型提升方法
计算机视觉与模式识别
2024-07-02 v1
摘要
无人机检测是一项具有挑战性的目标检测任务，由于可见性条件不佳、图像质量受限，以及复杂背景、小目标难以辨认等因素，检测可能变得困难。两者都能为无人机检测提供高置信度，但需要高效算法和方法来消除误检。在先前的工作中，我们使用YOLOv5，结合真实数据和合成数据，并采用卡尔曼滤波器跟踪检测结果，通过利用时序信息提高检测置信度。当前工作在此基础上进行改进，通过组合多项改进措施。我们使用更加多样化的数据集，综合多个数据源，并结合基于基本模型误差分析从大型合成数据集中挑选的合成样本。此外，为获得更具鲁棒性的目标得分，我们引入了判别目标是否为无人机的分类组件。最后，我们开发了更先进的目标跟踪评分算法，用于调整定位置信度。此提出技术在2021年IICAP论坛上的无人机 vs. 鸟类挑战赛中获得了第1名。
引用
@article{arxiv.2407.00830,
title = {DroBoost: An Intelligent Score and Model Boosting Method for Drone Detection},
author = {Ogulcan Eryuksel and Kamil Anil Ozfuttu and Fatih Cagatay Akyon and Kadir Sahin and Efe Buyukborekci and Devrim Cavusoglu and Sinan Altinuc},
journal= {arXiv preprint arXiv:2407.00830},
year = {2024}
}