SafeSpace MFNet：精确高效的多特征无人机检测网络
计算机视觉与模式识别
2023-10-09 v2
摘要
无人 aerial vehicles（UAV，俗称无人机）的日益普及催生了对可靠检测系统的需求。无人机的滥用带来潜在的安全与隐私危害，尤其针对敏感设施。为克服这些障碍，我们提出 MultiFeatureNet（MFNet）的概念，该方案通过捕获最集中的特征图来增强特征表示。此外，我们提出 MultiFeatureNet-Feature Attention（MFNet-FA）技术，对输入特征图的不同通道进行自适应加权。为满足多尺度检测需求，我们给出了 MFNet 与 MFNet-FA 的小（S）、中（M）、大（L）版本。结果显示出显著的性能提升。对于最优鸟类检测，MFNet-M（消融实验 2）取得了 99.8% 的惊人精度；对于无人机检测，MFNet-L（消融实验 2）取得了 97.2% 的精度得分。在各选项中，MFNet-FA-S（消融实验 3）因其小特征图尺寸、计算需求（GFLOPs）与运行效率（帧每秒）而成为最节省资源的替代方案，这使其特别适合部署于能力受限的硬件上。此外，由于引入了 FA 模块，MFNet-FA-S（消融实验 3）凭借其快速实时推理与多目标检测能力而脱颖而出。所提出的带聚焦模块的 MFNet-L（消融实验 2）展现出最卓越的分类结果，平均精度达 98.4%、平均召回率 96.6%、平均均值平均精度（mAP）98.3%、平均交并比（IoU）72.8%。为鼓励可重复研究，MFNet 的数据集与代码作为开源项目免费提供：github.com/ZeeshanKaleem/MultiFeatureNet。
引用
@article{arxiv.2211.16785,
title = {SafeSpace MFNet: Precise and Efficient MultiFeature Drone Detection Network},
author = {Misha Urooj Khan and Mahnoor Dil and Muhammad Zeshan Alam and Farooq Alam Orakazi and Abdullah M. Almasoud and Zeeshan Kaleem and Chau Yuen},
journal= {arXiv preprint arXiv:2211.16785},
year = {2023}
}
备注
Paper accepted in IEEE TVT