基于深度学习的航空无人机海域小目标检测：高度感知动态分块
计算机视觉与模式识别
2025-11-26 v1 机器人学
摘要
航空无人机（UAV）因其监视广阔海域的能力，成为搜救（SAR）任务中的关键工具。然而，由于目标与背景之间的像素比例较低，小目标往往难以从高空检测到。我们提出一种高度感知动态分块方法，通过比例缩放和自适应分块来 subdivide 图像，以增强小目标检测。通过将高度相关的缩放与自适应分块因子集成，我们在保持检测性能的同时减少不必要的计算。我们在SeaDronesSee数据集上测试，采用YOLOv5和切片辅助超推理（SAHI）框架，相对于基线提高了小目标平均精度（mAP）38%，相对于静态分块实现了超过两倍的推理速度。这一方法使UAV基于SAR的运营在不同条件下更高效、更准确。
关键词
引用
@article{arxiv.2511.19728,
title = {Maritime Small Object Detection from UAVs using Deep Learning with Altitude-Aware Dynamic Tiling},
author = {Sakib Ahmed and Oscar Pizarro},
journal= {arXiv preprint arXiv:2511.19728},
year = {2025}
}
备注
This is the author's accepted version of an article that has been published by IEEE. The final published version is available at IEEE Xplore