YUNet：面向天际线检测的改进 YOLOv11 网络
计算机视觉与模式识别
2025-02-19 v1
摘要
天际线检测在地理定位、飞行控制、视觉导航、港口安全等方面发挥着重要作用。由于不同天气或照明环境导致天空和非天空区域的外观变化，这给天际线检测带来了挑战。为此，本研究提出了 YUNet 算法，将改进的 YOLOv11 架构用于在复杂多变的环境中分割天空区域并提取天际线。为提高多尺度和大范围上下文特征融合能力，YOLOv11 架构扩展为类似 UNet 的架构，包含编码器、颈部和解码器子模块。编码器从给定图像中提取多尺度特征，颈部进行这些多尺度特征的融合，解码器应用融合后的特征完成预测重建。为验证所提出的方法，对 YUNet 在 Skyfinder 和 CH1 数据集上进行了分割和天际线检测测试。我们的测试显示，YUNet 分割的 IoU 可达 0.9858，YUNet 天际线检测的平均误差仅为 1.36 像素。实现代码发布于 https://github.com/kuazhangxiaoai/SkylineDet-YOLOv11Seg.git。
引用
@article{arxiv.2502.12449,
title = {YUNet: Improved YOLOv11 Network for Skyline Detection},
author = {Gang Yang and Miao Wang and Quan Zhou and Jiangchuan Li},
journal= {arXiv preprint arXiv:2502.12449},
year = {2025}
}