用于无人机与鸟类分类的序列模型
计算机视觉与模式识别
2022-12-20 v2 机器学习
摘要
随着无人机成本下降与技术提升，无人机检测已成为目标检测中的一项关键任务。然而，在对比度弱、距离远和能见度低的情况下，检测远处无人机十分困难。在本工作中，我们提出若干序列分类架构以降低无人机轨迹的检测假阳性率。此外，我们提出一个新的无人机与鸟类序列分类数据集，用于训练和评估所提架构。3D CNN、LSTM以及基于Transformer的序列分类架构已在所提数据集上训练，以展示所提思想的有效性。如实验所示，利用序列信息，鸟类分类与整体F1分数可分别提升高达73%与35%。在所有序列分类模型中，基于R(2+1)D的全卷积模型取得了最佳的迁移学习与微调结果。
引用
@article{arxiv.2207.10409,
title = {Sequence Models for Drone vs Bird Classification},
author = {Fatih Cagatay Akyon and Erdem Akagunduz and Sinan Onur Altinuc and Alptekin Temizel},
journal= {arXiv preprint arXiv:2207.10409},
year = {2022}
}