城市交通通过注意力和多尺度功能驱动的微小物体检测在无人机视觉驱动的城市交通

科学领域:

• 计算机视觉 计算机视觉
• 人工智能的人工智能
• 机器人技术 机器人技术 机器人技术

背景情况:

• 无人机城市巡逻对于安全和城市运营至关重要.
• 无人机图像检测面临挑战:小物体,复杂的背景和速度要求.

研究的目的:

• 开发一个高效和准确的实时物体检测网络,用于无人机城市巡逻.
• 解决目前检测小物体和复杂场景的方法的局限性.

主要方法:

• 在无人机视觉 (RTS-Net) 中引入了一个实时小物体检测网络.
• 开发了一种多尺度特征融合模块 (MFFM),用于增强小物体检测.
• 集成了一个协调的注意力检测模块 (CADM),以改善背景隔离.
• 整合了一个轻量级的实时特征提取模块 (RFEM) 来增加推断速度.

主要成果:

• 在定制的无人机道路巡逻数据集上实现了89.9 mAP的记录检测准确度.
• 在现有方法中表现出优越的性能,特别是在小型物体检测方面.
• 实现了163.9 FPS的高推断速度,使实时应用成为可能.

结论:

• RTS-Net有效地满足了无人机对准确有效地探测地面物体的需求.
• 该网络适用于各种无人机平台和复杂的城市场景.
• 拟议的方法提高了基于无人机的监视系统的能力.