TF-Net：赋能夜间无人机检测的深度学习微小特征网络
计算机视觉与模式识别
2022-11-30 v1
摘要
技术进步使无人机 (UAV) 在从军事到商业的各个领域的使用常态化，但由于其功能增强且易于进入私人及高度安全区域，也带来了严重的安全隐患。多起与无人机相关的事件引发了安全担忧，进而推动了无人机检测研究。视觉技术被广泛用于无人机检测，但在夜间、复杂背景和恶劣天气条件下表现不佳。因此，需要一个能够有效解决此问题的稳健夜视无人机检测系统。由于红外相机在夜视设备中的广泛应用，其越来越多地被用于夜间监控。本文使用基于深度学习的 TinyFeatureNet (TF-Net)（YOLOv5s 的改进版本），利用红外 (IR) 图像在夜间准确检测无人机。在提出的 TF-Net 中，我们对 YOLOv5s 的颈部和骨干网络引入了架构上的改变。我们还模拟了四种不同的 YOLOv5 模型 以进行公平比较。结果表明，与 YOLOv5s 相比，所提出的 TF-Net 在精度、IoU、GFLOPS、模型大小和 FPS 方面均表现出更好的性能。TF-Net 取得了最佳结果，精度达到 95.7%，mAP 达到 84%， 达到 44.8%。
引用
@article{arxiv.2211.16317,
title = {TF-Net: Deep Learning Empowered Tiny Feature Network for Night-time UAV Detection},
author = {Maham Misbah and Misha Urooj Khan and Zhaohui Yang and Zeeshan Kaleem},
journal= {arXiv preprint arXiv:2211.16317},
year = {2022}
}