STAIR-DETR:一个协同变压器,集成统计注意力和多尺度动力学,用于无人机小型物体检测

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:

• 在无人驾驶飞行器 (UAV) 图像中检测小物体面临诸如有限尺寸,杂乱,阻塞和运动模糊等挑战.
• 现有的方法与空中环境的动态和复杂性质作斗争.

研究的目的:

• 介绍STAIR-DETR,一个实时协同检测框架,用于在无人机图像中改进小物体检测.
• 为了提高特征提取,分辨率转换和检测头设计,以获得更高的准确性和效率.

主要方法:

• 整合了一个统计特征注意 (SFA) 模块,用于增强特征表示和背景抑制.
• 用多元语义增强块 (DSEB) 加强了脊柱,以获得更丰富的语义表达力.
• 提出了一个自适应规模转换运算器 (ASTO),集成上下文引导下面采样 (CGD) 和动态采样 (DySample),以尽量减少规模转换期间的信息损失.
• 引入了高分辨率的P2检测头,以利用浅层特征来检测小目标.

主要成果:

• 在VisDrone2019数据集上,STAIR-DETR实现了41.7%的mAP@50和23.4%的mAP@50:95.
• 在小物体检测准确度方面表现优于当代最先进的 (SOTA) 探测器.
• 保持了实时推断效率,证明了其实际适用性.

结论:

• 在复杂的无人机图像中,STAIR-DETR有效地解决了小物体检测的挑战.
• 拟议的框架显示出卓越的性能和稳定性,用于精确的空中物体识别.