基于选择性分块处理的无人机高效卷积神经网络目标检测
计算机视觉与模式识别
2019-11-15 v1
摘要
许多利用无人机（UAV）的应用需要使用计算机视觉算法来分析其机载相机捕获的信息。深度学习的近期进展使得使用单阶段卷积神经网络（CNN）检测算法成为可能，这类算法处理输入图像以检测各种感兴趣的目标。为了保持较低的计算需求，这些神经网络通常在较小的图像尺寸上运行，然而这使得检测小目标变得困难。当考虑到配备相机的无人机时，由于视距范围，目标往往显得相对较小，这一问题更加突出。因此，本文探讨了通过从较大输入图像中提取较小块（tiles）并使用神经网络处理它们，从而在保持感兴趣目标分辨率时所涉及的权衡。具体而言，我们引入了一种注意力机制，仅聚焦于在部分块中检测目标，以及一种记忆机制来跟踪未处理块的信息。通过对不同方法的分析和实验，我们表明通过仔细选择要处理的块，可以在保持与调整尺寸并处理单张图像的CNN相当性能的同时，显著提高检测精度，这使得所提方法适用于无人机应用。
引用
@article{arxiv.1911.06073,
title = {Efficient ConvNet-based Object Detection for Unmanned Aerial Vehicles by Selective Tile Processing},
author = {George Plastiras and Christos Kyrkou and Theocharis Theocharides},
journal= {arXiv preprint arXiv:1911.06073},
year = {2019}
}
备注
George Plastiras, Christos Kyrkou, and Theocharis Theocharides. 2018. Efficient ConvNet-based Object Detection for Unmanned Aerial Vehicles by Selective Tile Processing. In Proceedings of the 12th International Conference on Distributed Smart Cameras (ICDSC '18). ACM, New York, NY, USA, Article 3, 6 pages