YOLC：面向航拍图像小目标检测的仅看聚类方法
计算机视觉与模式识别
2024-06-18 v2
摘要
从航拍图像中检测目标面临重大挑战，原因如下：1）航拍图像通常尺寸非常大，通常有数百万甚至数亿像素，而计算资源有限。2）小目标尺寸导致有效检测信息不足。3）目标分布不均匀导致计算资源浪费。为解决这些问题，我们提出YOLC（You Only Look Clusters），一个基于无锚点目标检测器CenterNet的高效且有效的框架。为克服大尺度图像和目标分布不均匀带来的挑战，我们引入局部尺度模块（LSM），自适应搜索聚类区域以放大进行精确检测。此外，我们使用高斯Wasserstein距离（GWD）修改回归损失以获得高质量边界框。在检测头中采用可变形卷积和细化方法以增强小目标检测。我们在两个航拍图像数据集（包括Visdrone2019和UAVDT）上进行了大量实验，证明了所提方法的有效性和优越性。代码可在https://github.com/dawn-ech/YOLC获取。
引用
@article{arxiv.2404.06180,
title = {YOLC: You Only Look Clusters for Tiny Object Detection in Aerial Images},
author = {Chenguang Liu and Guangshuai Gao and Ziyue Huang and Zhenghui Hu and Qingjie Liu and Yunhong Wang},
journal= {arXiv preprint arXiv:2404.06180},
year = {2024}
}
备注
accepted to TITS