Joint-YODNet：一种面向无人机、帧率超 100fps 的轻量级目标检测器
计算机视觉与模式识别
2023-09-28 v1
摘要
通过无人机（Unmanned Aerial Vehicle，无人机）和雷达捕获的无人机图像进行小目标检测是一项具有若干严峻挑战的复杂任务。该领域包含众多阻碍小目标准确检测与定位的复杂性。为应对这些挑战，我们提出一种称为 JointYODNet 的面向无人机小目标检测新方法，其利用了专为该任务设计的联合损失函数。我们的方法围绕开发定制化的联合损失函数展开，以提升小目标的检测性能。通过在多种环境条件下捕获的多样化无人机图像数据集上进行大量实验，我们评估了损失函数的不同变体并确定了最有效的形式。结果表明，我们提出的联合损失函数在小目标准确定位上优于现有方法。具体而言，我们的方法取得了 0.971 的召回率和 0.975 的 F1 分数，超越了最先进的技术。此外，我们的方法取得了 98.6 的 [email protected](%)，表明其在不同尺度下检测小目标的鲁棒性。
引用
@article{arxiv.2309.15782,
title = {Joint-YODNet: A Light-weight Object Detector for UAVs to Achieve Above 100fps},
author = {Vipin Gautam and Shitala Prasad and Sharad Sinha},
journal= {arXiv preprint arXiv:2309.15782},
year = {2023}
}