GAANet：用于暗光下变尺寸无人机检测的幽灵自动锚框网络
计算机视觉与模式识别
2023-05-08 v1
摘要
无人机在从军事到工业应用的不同领域中的使用已大幅增加。尽管它们带来了诸多益处，但其误用可能导致事故，尤其在夜间由于其体积小和能见度低的条件，应对它们变得更具挑战性。为克服这些限制并提高夜间检测精度，我们提出了一种称为幽灵自动锚框网络（GAANet）的红外（IR）图像目标检测器。该检测器使用 YOLOv5 核心来解决红外图像目标检测中的挑战，例如由高海拔、光照不足和低图像分辨率引起的精度差和高误报率。为提高性能，我们实现了自动锚框计算，将常规卷积块修改为幽灵卷积，调整输入通道大小，并使用了 AdamW 优化器。为增强多尺度微小目标识别的精度，我们还引入了额外的超小目标特征提取器和检测器。在包含多类（鸟、无人机、飞机和直升机）的自定义红外数据集上的实验结果表明，GAANet 相比最先进的检测器有所改进。与 GhostNet-YOLOv5 相比，GAANet 的总体平均精度均值（mAP@50）、召回率和精度分别高出约 2.5%、2.3% 和 1.4%。本文的数据集和代码已在 https://github.com/ZeeshanKaleem/GhostAutoAnchorNet 开源。
引用
@article{arxiv.2305.03425,
title = {GAANet: Ghost Auto Anchor Network for Detecting Varying Size Drones in Dark},
author = {Misha Urooj Khan and Maham Misbah and Zeeshan Kaleem and Yansha Deng and Abbas Jamalipour},
journal= {arXiv preprint arXiv:2305.03425},
year = {2023}
}
备注
Accepted @ IEEE VTC2023-Spring, Florence, Italy