面向可靠无人机感知的数据驱动开放集态目标检测
计算机视觉与模式识别
2025-09-12 v1 机器学习
机器人学
摘要
开放集检测对于在真实条件下实现无人机自主飞行中的空对空目标检测至关重要。传统封闭集检测器在域迁移和飞行数据损坏情况下性能显著下降，可能对安全关键应用构成风险。我们提出了一种新型、面向嵌入式检测器的模型无关开放集检测框架。该方法显式处理未知目标拒绝，同时保持对损坏飞行数据的鲁棒性。它通过嵌入空间中的熵建模估计语义不确定性，并引入谱归一化和温度缩放以增强开放集判别能力。我们在具有挑战性的 AOT 空中基准数据集上进行验证，并通过大量现实飞行测试。全面的消融研究表明，与基线方法相比，我们的方法在 AUROC 上实现了最高 10% 的相对提升。此外，我们展示背景拒绝在不牺牲检测精度的情况下进一步增强鲁棒性，使 our solution 特别适用于动态空中空中环境中的可靠无人机感知。
引用
@article{arxiv.2509.09297,
title = {Model-Agnostic Open-Set Air-to-Air Visual Object Detection for Reliable UAV Perception},
author = {Spyridon Loukovitis and Anastasios Arsenos and Vasileios Karampinis and Athanasios Voulodimos},
journal= {arXiv preprint arXiv:2509.09297},
year = {2025}
}