YOLO-Drone：从高空视角对密集小目标进行机载实时检测
计算机视觉与模式识别
2023-10-12 v2 人工智能
摘要
无人驾驶飞行器（UAV），特别是配备遥感目标检测技术的无人机，已迅速获得广泛应用，并成为计算机视觉领域的主要研究焦点之一。尽管无人机遥感系统具备检测多种目标的能力，但由于目标尺寸、图像退化和实时限制等因素，小尺度目标难以可靠检测。为解决这些问题，提出了一种实时目标检测算法（YOLO-Drone）并应用于两个新型无人机平台以及一种特定光源（硅基金色 LED）。YOLO-Drone 具有若干创新：1）包含新主干 Darknet59；2）一个新的复杂特征聚合模块 MSPP-FPN，其整合了一个空间金字塔池化和三个空洞空间金字塔池化模块；3）并使用广义交并比（GIoU）作为损失函数。为评估性能，使用了两个基准数据集 UAVDT 和 VisDrone，以及一个在硅基金色 LED 下夜间采集的自制数据集。实验结果表明，在 UAVDT 和 VisDrone 上，所提 YOLO-Drone 分别将 mAP 提升 10.13% 和 8.59%，优于最先进（SOTA）目标检测方法。在 UAVDT 上，YOLO-Drone 展现出 53 FPS 的高实时推理速度和最高 34.04% 的 mAP。值得注意的是，YOLO-Drone 在硅基金色 LED 下取得高达 87.71% 的 mAP，超越了普通光源下 YOLO 系列的性能。总之，所提 YOLO-Drone 是无人机应用中目标检测的高效解决方案，特别是对于硅基金色光 LED 技术展现出显著优越性的夜间检测任务。
引用
@article{arxiv.2304.06925,
title = {YOLO-Drone:Airborne real-time detection of dense small objects from high-altitude perspective},
author = {Li Zhu and Jiahui Xiong and Feng Xiong and Hanzheng Hu and Zhengnan Jiang},
journal= {arXiv preprint arXiv:2304.06925},
year = {2023}
}
备注
Some contributing authors are not signed