Detección de peatones en imágenes aéreas basada en redes neuronales convolucionales con mecanismo de atención y...

Área de la Ciencia:

• Visión por Computadora
• Inteligencia Artificial
• Aprendizaje Automático

Sus antecedentes:

• Los métodos tradicionales de aprendizaje automático para la detección de peatones sufren de baja precisión y procesamiento lento.
• Los algoritmos basados en redes neuronales convolucionales (CNN) muestran avances, pero aún enfrentan desafíos de velocidad y precisión, particularmente para objetivos pequeños u ocluidos en vistas aéreas.

Objetivo del estudio:

• Proponer un novedoso algoritmo Multi-Scale Attention YOLO (MSA-YOLO) para mejorar la precisión y eficiencia de la detección de objetos de peatones.
• Abordar las limitaciones de los métodos existentes en la detección de peatones pequeños y ocluidos desde perspectivas aéreas.

Principales métodos:

• Desarrolló el algoritmo MSA-YOLO que incorpora un módulo de atención de canal Squeeze, Excitation, and Cross Stage Partial (SECSP) para una extracción de características más rica.
• Introdujo un módulo de predicción multiescala para mejorar la detección en varias escalas, específicamente para objetos pequeños.
• Creó y anotó un nuevo conjunto de datos de Peatones Aéreos (AP) con imágenes de alta resolución, escenas diversas y ángulos de visión variados.

Principales resultados:

• El algoritmo MSA-YOLO demostró ventajas significativas sobre los modelos existentes de detección de objetos y detección de peatones en el conjunto de datos AP.
• El módulo SECSP extrae eficientemente características de peatones con un aumento mínimo de parámetros.
• El módulo de predicción multiescala mejora efectivamente la detección de peatones pequeños y reduce las detecciones erróneas.

Conclusiones:

• El algoritmo propuesto MSA-YOLO ofrece mejoras sustanciales tanto en precisión como en eficiencia para la detección de peatones aéreos.
• El novedoso conjunto de datos AP proporciona un recurso valioso para avanzar en la investigación en detección de peatones aéreos.
• MSA-YOLO muestra un fuerte potencial para aplicaciones en gestión de tráfico inteligente y sistemas de vigilancia.