面向小无人机实时检测的 YolovN-CBi：轻量高效架构

无人机(常被称为无人机)在平民和防御领域提出日益增长的风险，要求准确且实时的无人机检测系统。然而，由于其小尺寸、快速移动和低视觉对比度，检测无人机颇具挑战性。提出一种称为 YolovN-CBi 的 YolovN 的修改体系结构，该体系结构包含卷积块注意力模块(CBAM)和双向特征金字塔网络(BiFPN)，以提高对小目标检测的灵敏度。创建了一个由 28K 张图像组成的精选训练数据集，包含 various flying objects，并收集了一个本地测试数据集包含 2500 张由 very small drone objects 组成的图像。在四个基准数据集以及本地测试数据集上对该体系结构进行评估。Yolov5 基线和提出的 Yolov5-CBi 体系结构在小目标检测的速度-精度权衡方面超过了包括 Yolov8 和 Yolov12 在内的更新版本。还提出了该 CBi 体系结构的四个其他变体，这些变体在 CBAM 和 BiFPN 的放置和使用方式上有所不同。这些变体进一步使用知识蒸馏技术进行蒸馈，采用 Yolov5m-CBi 教师和 Yolov5n-CBi 学生。蒸馊模型实现了 [email protected]:0.9 为 0.6573，相对于教师得分 0.6171 的 6.51% 的改进，凸显了蒸馈过程的有效性。该蒸馊模型比基线模型快 82.9%，更适合实时无人机检测。这些发现凸显了提出的 CBi 体系结构以及蒸馊轻量模型在推进高效准确的小型无人机检测方面的有效性。