小目标还是远距离？利用深度超分辨率与高度数据实现航空动物监测

高飞行航空无人机捕获的视觉图像正日益被用于评估全球生物多样性和动物种群动态。然而，尽管使用了超高分辨率相机，具有挑战性的采集场景以及航拍图像中微小的动物表征至今仍是成功应用计算机视觉检测器并达到高置信度的限制因素。在本文中，我们首次通过结合深度目标检测器与超分辨率技术和高度数据来解决该问题。特别地，我们展示了将基于整体注意力网络的超分辨率方法与定制构建的高度数据利用网络集成到标准识别流水线中，能够显著提升真实场景下的检测效能。我们在两个公开的大型航空捕获动物数据集 SAVMAP 和 AED 上评估了该系统。我们发现所提方法能够持续优于消融基线以及两个数据集上的 SOTA 性能。此外，我们提供了动物分辨率与检测性能之间关系的系统性分析。我们得出结论：超分辨率与高度知识利用技术能够显著提升各类设置下的基准表现，因此应在航拍图像中检测微小分辨率动物时被常规使用。