在高海拔红外热图像中改进对象检测,使用以大小为基础的修剪和非最大压制
Yajnaseni Dash1, Vinayak Gupta2, Ajith Abraham3
1School of Artificial Intelligence, Bennett University, Greater Noida 201310, India.
Journal of imaging
|March 26, 2025
概括
这项研究提高了使用YOLOv8和无人机 (UAV) 上的修剪技术的高海拔红外热物体检测. 先进的架构提高了对大面积实时监控的速度和准确性.
科学领域:
- 遥感 遥感 遥感 遥感
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 高空平台,特别是无人机,为遥感提供了优势.
- 从高处探测红外热物体可以捕获独特的热信号.
- 处理高分辨率的热图像对传统的检测方法提出了挑战.
研究的目的:
- 探索YOLOv8架构用于使用无人机探测高海拔红外热物体的应用.
- 为了提高热成像中的物体检测速度和准确性.
- 为了解决处理高分辨率热数据的复杂性.
主要方法:
- 利用了YOLOv8的先进架构与基于动态大小的修剪和非最大压制相结合.
- 将COCO和PASCAL VOC数据集注释转换为YOLO格式,以进行高效的训练和推理.
- 用于无人机捕获的高空红外热图像的应用技术.
主要成果:
- 拟议的YOLOv8架构在热物体检测方面展示了卓越的速度和准确性.
- 精确回忆指标证实了基于热特征识别物体的强大性能.
- 观察到一些错误分类,特别是对于人类受试者,这表明了未来改进的领域.
结论:
- YOLOv8的先进架构显示了改善基于无人机的热成像应用的巨大潜力.
- 这项研究为在广泛地区更有效的实时物体检测解决方案铺平了道路.
- 需要进一步精细化,以应对特定的错误分类挑战,以提高整体性能.
