用于无人机车辆检测的两阶段群体智能集成深度迁移学习（SI-EDTL）
计算机视觉与模式识别
2025-09-11 v1 人工智能
摘要
本文提出了SI-EDTL，一种用于检测无人机图像中多辆车辆的两阶段群体智能集成深度迁移学习模型。它结合了三个预训练的Faster R-CNN特征提取器模型（InceptionV3、ResNet50、GoogLeNet）与五个迁移分类器（KNN、SVM、MLP、C4.5、Naïve Bayes），共产生15个不同的基学习器。这些基学习器通过加权平均进行聚合，将区域分类为汽车、面包车、卡车、公交车或背景。超参数通过鲸鱼优化算法进行优化，以平衡准确率、精确率和召回率。在MATLAB R2020b中实现并采用并行处理，SI-EDTL在AU-AIR无人机数据集上超越了现有方法。
引用
@article{arxiv.2509.08026,
title = {Two-Stage Swarm Intelligence Ensemble Deep Transfer Learning (SI-EDTL) for Vehicle Detection Using Unmanned Aerial Vehicles},
author = {Zeinab Ghasemi Darehnaei and Mohammad Shokouhifar and Hossein Yazdanjouei and S. M. J. Rastegar Fatemi},
journal= {arXiv preprint arXiv:2509.08026},
year = {2025}
}