YOLO-FEDER FusionNet：一种用于无人机检测的新型深度学习架构
计算机视觉与模式识别
2024-11-11 v1 人工智能
摘要
图像基方法的无人机检测往往依赖于采用通用目标检测算法如 YOLOv5。虽然这些算法在识别针对均匀背景下的无人机效果良好，但在复杂、高度纹理的环境中常常难以胜任。在此类情境下，无人机能够无缝融合到背景中，形成视觉隐形效应，严重影响检测质量。为此，我们提出了一种新型深度学习架构，称为 YOLO-FEDER FusionNet。不同于传统方法，YOLO-FEDER FusionNet 将通用目标检测方法与专注于隐形目标检测技术的专业优势相结合，以提升无人机检测能力。对 YOLO-FEDER FusionNet 的全面评估表明，该模型有效，显著改善了漏检和误报两方面的表现。
引用
@article{arxiv.2406.11641,
title = {YOLO-FEDER FusionNet: A Novel Deep Learning Architecture for Drone Detection},
author = {Tamara R. Lenhard and Andreas Weinmann and Stefan Jäger and Tobias Koch},
journal= {arXiv preprint arXiv:2406.11641},
year = {2024}
}
备注
7 pages, 4 figures, 6 tables, to be published in the conference proceedings of the 2024 IEEE International Conference on Image Processing (ICIP)