面向实时无人机应用的高效目标检测模型
计算机视觉与模式识别
2019-06-04 v1
摘要
无人驾驶飞行器（UAVs）特别是无人机，配备视觉技术近年来已变得非常流行，并广泛应用于各类场景。许多此类应用需要使用计算机视觉技术，特别是利用机载相机捕获的信息进行目标检测。本文中，我们提出了一种运行于 UAV 平台、适用于实时应用的端到端目标检测模型。我们提出了一种深度特征金字塔架构，利用从卷积网络提取的特征的固有属性，捕获图像中更通用的特征（如边缘、颜色等）以及我们所研究问题中各类特有的细微详细特征。我们使用包含行人、车辆、自行车等不同目标的 VisDrone-18 数据集进行研究。我们提供了本研究所用平台的软件与硬件架构。我们以 ResNet 和 MobileNet 分别作为卷积基实现了模型。我们的模型结合改进的 focal loss 函数，在 14 fps 推理速度下取得了 30.6 mAP 的理想目标检测性能。我们将结果与 RetinaNet-ResNet-50 和 HAL-RetinaNet 比较，表明以 MobileNet 作为后端特征提取器的模型在精度、速度和内存效率上均取得最佳结果，最适合无人机实时目标检测。
引用
@article{arxiv.1906.00786,
title = {Efficient Object Detection Model for Real-Time UAV Applications},
author = {Subrahmanyam Vaddi and Chandan Kumar and Ali Jannesari},
journal= {arXiv preprint arXiv:1906.00786},
year = {2019}
}
备注
10 pages, 4 figures, Under Review. arXiv admin note: substantial text overlap with arXiv:1808.07256 by other authors without attribution; substantial text overlap with arXiv:1807.06789, arXiv:1612.03144, arXiv:1809.03193 by other authors