野外搜救中计算机视觉的开放问题及 Patricia Wu-Murad 搜寻案例

本文详述了将两种计算机视觉系统——EfficientDET 监督学习模型与无监督 RX 光谱分类器——应用于来自日本 Wu-Murad 野外搜救（WSAR）行动的 98.9 GB 无人机影像时所面临的挑战，并指出了未来研究的三个方向。目前至少有 19 种已提出的方法与 3 个数据集旨在从无人机影像中定位失踪人员，但文献中仅引用了 3 种方法（2 种无监督与 1 种结构未知）曾在实际 WSAR 行动中得到使用。在这些已提出的方法中，EfficientDET 架构与无监督光谱 RX 分类器被选为最适用于该场景的方案。EfficientDET 模型应用于 HERIDAL 数据集，尽管取得了与当前最优（SOTA）统计等价的性能，该模型在误报（如将树枝和岩石识别为人）与漏报（如未能识别搜索队成员）方面无法迁移至真实世界。在数据集上表现良好但实践中结果不佳的算法提示了三个未来研究领域：更贴近现实的野外 SAR 数据集、能够无缝处理实际 WSAR 行动中所采集多样影像的计算机视觉模型，以及性能度量上更好的对齐。