边缘引导特征金字塔网络:用于增强小目标检测的边缘引导模型
Zimeng Liang1,2, Hua Shen1,2
1National Key Laboratory of Transient Physics, Nanjing University of Science and Technology, Nanjing 210094, China.
Sensors (Basel, Switzerland)
|December 17, 2024
概括
本研究介绍了边缘引导特征金字塔网络 (EG-FPNs) 以改进红外无人机检测. 这种新型模型增强了特征融合和边缘强调,在复杂的环境中优于现有的方法.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 红外成像技术 红外成像技术
背景情况:
- 红外小型目标检测对于防务应用,如精确准和监控至关重要.
- 在复杂的红外环境中检测小型无人机目标是具有挑战性的,因为目标大小和成像距离.
研究的目的:
- 开发一种用于准确红外无人机目标检测的新型模型.
- 为了解决传统特征金字塔网络 (FPN) 下方采样期间的信息丢失问题.
主要方法:
- 引入了边缘引导特征金字塔网络 (EG-FPNs),集成边缘特征和多尺度特征融合.
- 提出了一种改进的剩余块,具有多尺度卷积和通道间注意力.
- 开发了分层的特征融合和边缘自融合模块,以增强边缘和多尺度特征.
主要成果:
- 与现有方法相比,EG-FPNs在IoU,nIoU和F1指标方面表现更好.
- 该模型有效地捕捉深度图像特征,同时强调边缘特征.
- 在多个数据集上的比较实验验证实了拟议的算法的有效性.
结论:
- EG-FPNs为红外无人机检测提供了一种轻量级和有效的解决方案.
- 该模型非常适合资源有限的红外场景.
- 边缘特征和多尺度融合的整合显著提高了检测准确度.
