LCFF-Net:一种轻量级的跨度特征融合网络,用于无人机空中图像中的微小目标检测
Daoze Tang1,2, Shuyun Tang1, Zhipeng Fan1,2
1Harbin University of Commerce, Harbin, China.
PloS one
|December 19, 2024
概括
本研究介绍了LCFF-Net,这是一种轻量级的算法,用于检测无人机 (UAV) 空中图像中的微小目标. LCFF-Net显著提高了准确性和检测速度,同时降低了计算需求.
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:
- 在无人机 (UAV) 空中成像中,精确检测微小目标至关重要.
- 现有的无人机空中图像目标检测算法难以平衡低计算需求,高精度和快速检测速度.
研究的目的:
- 开发一个改进的,轻量级的算法 (LCFF-Net),用于在无人机空中图像中高效,准确地检测微小目标.
- 为了增强特征提取,集成多层特征地图,并优化检测头效率.
主要方法:
- 提出了轻量级特征提取和改进模块 (LFERELAN),以改进微小的目标特征提取和资源优化.
- 采用轻量级跨度特征金字塔网络 (LC-FPN) 来实现更丰富的特征丰富和多层次的特征集成.
- 引入了一种轻量级,细节增强的共享卷积检测头 (LDSCD-Head),以加快模型训练和提高效率.
主要成果:
- 与基线模型相比,LCFF-Net在VisDrone数据集上表现优越.
- 根据LCFF-Net-n模型,mAP50增加了2.8%,mAP50-95.5改善了3.9%.
- 观察到参数 (89.7%),FLOP (50.5%) 和计算延迟 (24.7%) 的显著减少.
结论:
- 在无人机空中图像中,LCFF-Net提供了一种有效的轻量级解决方案,用于在无人机空中图像中检测微小目标.
- 该算法实现了高精度和快速检测速度,适合各种部署环境.
- LCFF-Net解决了无人机空中图像处理中的计算需求,准确性和速度的关键挑战.
更多相关视频
06:19Low-Cost Automated Flight Intercept Trap for the Temporal Sub-Sampling of Flying Insects Attracted to Artificial Light at Night
Published on: December 29, 2021
2.5K
08:08Evaluating Targeting Accuracy in the Focal Plane for an Ultrasound-guided High-intensity Focused Ultrasound Phased-array System
Published on: March 6, 2019
5.2K
