通过多尺度处理与数据增强提升小型无人机检测
计算机视觉与模式识别
2025-11-18 v2
摘要
小型无人机往往难以与鸟类区分,其检测对于现代监视至关重要。本工作引入基于中等尺寸YOLOv11目标检测模型的无人机检测方法。为提升其对小目标的性能,我们在输入图像上同时进行整体处理和分段处理,随后进行预测聚合。我们还利用复制粘贴数据增强技术丰富训练数据集,包含多样化的无人机和鸟类示例。最后,我们实现了一种利用帧间一致性来减轻漏检的后处理技术。该方法在2025年国际神经网络会议(IJCNN)上举办的第八届WOSDETC无人机vs鸟类检测大赛中获得冠军,展示了其在复杂环境中有效检测无人机的能力。
引用
@article{arxiv.2504.19347,
title = {Improving Small Drone Detection Through Multi-Scale Processing and Data Augmentation},
author = {Rayson Laroca and Marcelo dos Santos and David Menotti},
journal= {arXiv preprint arXiv:2504.19347},
year = {2025}
}
备注
Accepted for presentation at the International Joint Conference on Neural Networks (IJCNN) 2025