ディープ・セマンティック・インテグレーションに基づくUAV画像のための軽量な小物体検出モデル

科学分野:

• コンピュータ・ビジョン
• 深層学習
• オブジェクト検出

背景:

• 既存の小型オブジェクト検出方法は,しばしば冗長な情報を持つ計算的に高価な残留ブロックを使用します.
• この複雑さは,特に小さなオブジェクトを検出する際の性能改善を妨げます.

研究 の 目的:

• 効率的で効果的な小物検知方法を開発する.
• 機能融合を最適化し,オブジェクト検出モデルの計算オーバーヘッドを削減します.

主な方法:

• 改善された機能ピラミッドネットワーク (L-FPN) を設計し,リソースの割り当てを最適化しました.
• デュアルフェーズ・アシンプトティック・フィーチャー・フュージョン (DAFF) とディープ・スペシャル・ピラミッド・フュージョン (DSPF) モジュールを含むBPD-YOLO検出器を提案した.
• 機能マップの解像度に基づく適応的機能抽出のための解離された機能抽出-意味統合 (DEI) メカニズムを実装した.

主要な成果:

• VisDroneデータセットでは,BPD- YOLOとL- FPNは,YOLOv8n + p2のベースラインと比較してmAP50を2. 8%,mAP50-95を1. 4%改善した.
• BPD-YOLOはTinyPersonのデータセットで優れた高解像度の特徴抽出を実証しました.
• 提案された方法は,検出精度を高めながら,計算コストを大幅に削減しました.

結論:

• L-FPN,DAFF,DSPF,DEIのメカニズムは,小さなオブジェクト検出の課題を効果的に解決しています.
• BPD-YOLOは,計算上の要求を削減した正確で効率的な小さなオブジェクト検出のための有望なソリューションを提供します.