飞机目标检测

解决飞行物空间大小/纵横比、速度、遮挡等问题引起的实时目标检测问题

最近在arXiv中翻阅到一遍基于Yolov8的飞机实时目标检测论文，当时通过研究其中的一些相关算法，并应用到实际场景。一个可用于迁移学习和进一步研究的飞行物体实时检测的广义模型，以及一个可供实施的精化模型。

目前目标检测算法已经是非常成熟的一个领域成果物，而且到目前为止，已经有数不胜数的检测算法公开于世，尤其是Yolo系列，是目前市场中最常见的baseline。在项目中，也有遇到一些小目标检测，尤其该目标是物体空间大小或纵横比、速度、遮挡、杂乱背景等变化，造成目标检测不到，误检、漏检等现象。

通过大量阅读文献以及研究，发现有些方法还是在一定基础上提升效果，满足实际场景需求。

通过在包含40个不同类别飞行物体的数据集上训练第一个（广义）模型来实现这一点，迫使模型提取抽象特征表示。然后，我们在更能代表真实环境的数据集（即更高的遮挡率、较小的空间大小、旋转等）上使用这些学习到的参数进行迁移学习，以生成我们的精细模型。飞行物体的目标检测仍然具有挑战性，这是由于物体空间大小/纵横比、速度、遮挡和聚集背景的变化较大。

最近看新闻发现国外，发生的许多事件表明了无人机的恶意使用。在过去的几个月里，有报道称，走私者试图通过携带小型爆炸物的无人机进行暗杀，向州立监狱运送毒品，并监视美国边境巡逻队等一些其他消息。虽然研究表明，无人机的使用预计将呈指数级增长，但检测技术尚未提供可靠准确的结果。无人机和小型无人机具有隐