基于无人机的海上救援图像对象检测的启发式数据驱动基生成
Beigeng Zhao1,2, Rui Song2, Ye Zhou2
1School of Computer Science and Engineering, Northeastern University, Shenyang, China.
Heliyon
|May 27, 2024
概括
在无人机 (UAV) 海上救援图像检测中优化箱显著提高了性能. 这种启发式方法提高了目标检测准确度,这对于有效的无人机救援行动至关重要.
科学领域:
- 计算机视觉和图像分析
- 机器人技术和自主系统
- 海上安全和救援技术
背景情况:
- 使用无人机 (UAV) 的海上救援行动在复杂的视觉数据中准确检测目标方面面临挑战.
- 当前的物体检测模型经常与无人机海上监视中遇到的特定场景和任务作斗争.
研究的目的:
- 通过优化箱生成,提高基于无人机的海上救援对象检测模型的性能.
- 研究用于从无人机海上救援图像中提取相关数据特征的启发式方法.
主要方法:
- 利用启发式方法从无人机海上救援图像中提取数据特征.
- 在MMDetection对象检测框架内优化箱生成.
- 在大型SeaDronesSee海上救援数据集上进行了实验.
主要成果:
- 与默认配置相比,优化框可以提高模型性能48.9%至62.8%.
- 最熟练的模型超过了官方的SeaDronesSee基线性能超过49.3%.
- 分析发现了不同物体检测难度的差异,并解释了潜在的原因.
结论:
- 拟议的箱优化启发式方法显著改善无人机海上救援物体检测.
- 这些发现为完善数据分析和增强海上救援能力提供了有希望的方法.
- 这项研究有助于自主系统在关键搜索和救援应用中的进步.
