LAM-YOLO：基于灯光遮挡注意力机制的无人机小目标检测
计算机视觉与模式识别
2024-11-04 v1
摘要
无人机目标检测存在固有挑战，如无人机图像中目标的高密度和重叠，以及在不同光照条件下目标的模糊性，使识别复杂化。传统方法常难以识别复杂背景下大量密集小目标。为此，我们提出LAM-YOLO，专为无人机设计的对象检测模型。首先，我们引入轻量遮挡注意力机制以增强不同光照条件下小目标的可见性。同时，我们采用Incorporate不变性模块提高特征层之间的相互作用。其次，我们使用改进的SIB-IoU作为回归损失函数以加快模型收敛并提高定位精度。最后，我们实施一种新颖的检测策略，引入两个辅助检测头用于识别更小尺度的目标。我们的定量结果表明，LAM-YOLO在VisDrone2019公开数据集上，在[email protected]和[email protected]:0.95方面优于Faster R-CNN、YOLOv9和YOLOv10。相较于原始YOLOv8，平均精度提升7.1%。此外，所提出的SIB-IoU损失函数在训练期间显示出更快的收敛速度和较高的平均精度。
关键词
引用
@article{arxiv.2411.00485,
title = {LAM-YOLO: Drones-based Small Object Detection on Lighting-Occlusion Attention Mechanism YOLO},
author = {Yuchen Zheng and Yuxin Jing and Jufeng Zhao and Guangmang Cui},
journal= {arXiv preprint arXiv:2411.00485},
year = {2024}
}