具有共享卷积的多尺度定向检测,用于无人机支持的海上安全监视

科学领域:

• 计算机视觉 计算机视觉
• 人工智能的人工智能
• 海事监督部门的监督工作

背景情况:

• 带有高清摄像头的无人机 (UAV) 对于海上安全管理至关重要,因为它们的覆盖范围广泛,可适应性强.
• 基于无人机的海上监视面临的挑战包括在各种角度和尺度上进行不准确的检测,以及大型模型的计算压力.

研究的目的:

• 开发一种轻量级,多尺度的定向检测模型,专门为无人机设计,以应对海上安全监测方面的挑战.
• 提高在复杂的海上环境中使用无人机图像检测船舶的准确性和效率.

主要方法:

• 提出了一种用于跨阶段特征融合的新型LDFusion模块,使可适应尺度提取以适应可变飞行高度.
• 设计了一个具有共享卷积模块 (SConvs) 的轻量级检测头,以减少面向船舶检测的模型参数.
• 从海上无人机角度创建了三个面向数据集,包括新的和重新注释的内陆和海洋数据集.

主要成果:

• 拟议的轻量级模型在检测准确度上取得了适度的3.27%的改进.
• 与最先进的方法相比,显著减少了24.40%的参数数量.
• 在三个不同的海上无人机数据集中展示了有效的性能.

结论:

• 开发的轻量级多尺度定向检测模型为使用无人机进行高效和准确的海上监视提供了可行的解决方案.
• 该模型有效地平衡了检测性能与降低计算复杂性的平衡,使其适用于资源有限的无人机平台.
• 创建新的数据集有助于进一步研究和开发基于无人机的海上安全应用.