利用深度学习进行无人机热图像中的目标检测

本工作提出了一种神经网络模型，能够识别由无人机收集的热图像中的小型和微小目标。我们的模型由三部分组成：骨干网络、颈部网络和预测头。骨干网络基于 YOLOv5 的结构开发，并在末端结合了 Transformer 编码器。颈部网络包含一个 BI-FPN 模块，并结合使用了滑动窗口和 Transformer，以增加输入到预测头的信息量。预测头通过利用 Sigmoid 函数评估特征图来执行检测。使用带有注意力机制的 Transformer 和滑动窗口提高了识别精度，同时使模型保持在嵌入式系统合理的参数量和计算需求范围内。在公共数据集 VEDAI 和我们收集的数据集上进行的实验表明，我们的模型比 ResNet、Faster RCNN、ComNet、ViT、YOLOv5、SMPNet 和 DPNetV3 等最先进方法具有更高的精度。在嵌入式计算机 Jetson AGX 上进行的实验表明，我们的模型实现了实时计算速度，稳定率超过 90%。