RemDet：面向无人机目标检测的高效模型设计重思考
计算机视觉与模式识别
2024-12-17 v2
摘要
无人机（UAV）图像中的目标检测已成为研究的焦点，其面临两个显著挑战：i）目标通常位于大图像中稀疏且较小；ii）计算资源受限，使大多数模型不适用于实时部署。当前的实时目标检测器未针对 UAV 图像进行优化，复杂方法 designed for 小目标检测往往缺乏实时性能。为此，我们提出一种新型检测器RemDet（Reparameter efficient multiplication Detector）。我们的贡献如下：1）重新思考现有检测器针对小且稠密 UAV 图像的挑战，提出信息损失作为高效模型的设计指南。2）引入 ChannelC2f 模块以增强小目标检测性能，表明高维表示可有效缓解信息损失。3）设计 GatedFFN 模块，不仅提供卓越性能，还具备低延迟，有效解决实时检测的挑战。我们的研究表明，GatedFFN 通过乘法运算在高维表示方面比前馈网络更具成本效益。4）我们提出 CED 模块，结合 ViT 和 CNN 下采样的优势，有效减少信息损失。该模块特别增强了小且稠密目标的上下文信息。在大型 UAV 数据集 Visdrone 和 UAVDT 上进行了广泛实验，验证了实时效率和卓越性能。我们的方法在具有挑战性的 UAV 数据集 VisDrone 上不仅提供了最先进的结果，检测准确率提升超过3.4%，还在单张 4090 上实现了 110 FPS。
引用
@article{arxiv.2412.10040,
title = {RemDet: Rethinking Efficient Model Design for UAV Object Detection},
author = {Chen Li and Rui Zhao and Zeyu Wang and Huiying Xu and Xinzhong Zhu},
journal= {arXiv preprint arXiv:2412.10040},
year = {2024}
}
备注
Accepted to AAAI25