诸葛大庆-CSDN博客

原创 An Improved YOLOv5 Method for Small Object Detection in UAV Capture Scenes

针对YOLOv5无人机高空拍摄场景中存在大量小而密集目标和复杂背景噪声干扰的问题，提出了一种改进的YOLOv5无人机拍摄场景目标检测算法。首先提出了一种特征增强块(FEBlock)，通过卷积生成不同感受野特征的自适应权值，将主要权值分配给浅层特征映射，提高小目标特征提取能力。

2024-04-19 15:14:29 538 1

原创 YOLC: You Only Look Clustersfor Tiny Object Detection in Aerial Images

由于以下因素，从航空图像中检测目标带来了重大挑战:1)航空图像通常具有非常大的尺寸，通常具有数百万甚至数亿像素，而计算资源有限。2)目标尺寸小导致信息不足，无法进行有效检测。3)对象分布不均匀导致计算资源浪费。为了解决这些问题，我们提出了YOLC (You Only Look Clusters)，这是一个基于无锚点对象检测器CenterNet的高效框架。为了克服大规模图像和非均匀目标分布带来的挑战，我们引入了一个局部尺度模块(LSM)，该模块自适应搜索聚类区域并放大以实现精确检测。

2024-04-19 15:09:14 730 1

原创 YOLOv9: Learning What You Want to Learn Using Programmable Gradient Information

今天的深度学习方法关注的是如何设计最合适的目标函数，使模型的预测结果最接近地面的真实情况。同时，必须设计一个适当的体系结构，以方便获取足够的预测信息。现有方法忽略了一个事实，即输入数据在逐层进行特征提取和空间变换时，会丢失大量的信息。本文将深入研究数据在深度网络中传输时的重要数据丢失问题，即信息瓶颈和可逆函数。我们提出了可编程梯度信息(PGI)的概念，以应对深度网络实现多个目标所需的各种变化。PGI可以为目标任务提供完整的输入信息来计算目标函数，从而获得可靠的梯度信息来更新网络权值。

2024-04-18 16:47:07 947 1

原创 Improved YOLOX-X based UAV aerial photographyobject detection algorithm

无人机航拍目标检测在灾害救援、生态环境保护、军事侦察等领域具有很高的研究意义。较大的无人机摄影宽度给探测任务带来了背景干扰，而相对较高的无人机成像高度导致航拍图像中大多是小物体。针对无人机航拍图像背景复杂、小目标数量多的特点，提出了一种改进的YOLOX- x无人机航拍目标检测算法YOLOX w。首先采用切片辅助超推理(SAHI)算法对训练集进行预处理，并进行数据增强，提高了模型对小目标的检测性能。然后，在路径聚合网络(PAN)中引入具有丰富空间信息的浅特征映射，并增加检测头来检测小目标;

2023-11-18 22:19:09 120

原创【论文阅读笔记】VistrongerDet: Stronger Visual Information for Object Detection in VisDroneImages

现有的方法尤其难以在无人机捕获的视频和图像中准确检测目标。在工作中，我们仔细分析了VisDrone DET 2021数据集的特点，发现检测性能低的主要原因是目标微小、尺度跨度大、分布长尾、相似类混淆。为了减轻由此带来的不利影响，我们提出了一种新的检测器VistrongerDet，它具有更强的视觉信息。我们的框架集成了FPN级，ROI级和头部级增强的新组件。得益于整体的增强，VistrongerDet显著提高了检测性能。VistrongerDet是即插即用的，可用于任何基于fpn的两级检测器。

2023-11-14 15:45:12 275

原创【论文阅读笔记】A modified YOLOv5 for object detection inUAV-captured scenarios

近年来，无人机图像处理中的目标检测逐渐成为一个研究热点。一般的目标检测算法在应用于无人机场景时，性能有明显下降的趋势。这是由于无人机图像从高海拔以高分辨率和大量的小物体拍摄的事实。为了在满足轻量化特性的同时提高无人机目标检测精度，对YOLOv5s模型进行了改进。为了解决小目标检测问题，增加了预测头，以更好地保留小目标的特征信息。同时集成了CBAM注意模块，在密集场景中更好地发现注意区域。为了减轻IOU对小对象的敏感性，在后处理中采用NWD-NMS代替原有的IOU- nms。

2023-11-13 21:37:50 104

原创【论文阅读笔记】Self-Attention Guidance and Multiscale FeatureFusion-Based UAV Image Object Detection

无人机图像目标检测是近年来的研究热点。现有的目标检测方法在一般场景下已经取得了较好的效果，但在无人机图像上存在固有的挑战。无人机图像的检测精度受背景复杂尺度差异大小目标密集等因素的限制。为了解决这些问题，我们提出了一种基于自注意力指导和多尺度特征融合的无人机图像目标检测网络(SGMFNet)。首先，设计了全局-局部特征引导(GLFG)模块。该模块可以有效地将局部信息和全局信息结合起来，使模型专注于目标区域，减少复杂背景的影响。其次，设计了改进的并行采样特征融合(PSFF)模块。

2023-10-31 11:31:01 16 1

原创 A Modified YOLOv8 Detection Network for UAV AerialImage Recognition

无人机多目标探测在民用和军事领域都起着举足轻重的作用。尽管深度学习方法为该任务提供了更有效的解决方案，但从无人机的角度来看，目标尺寸形状变化遮挡和光照条件的变化仍然给该领域的研究带来了很大的挑战。针对上述问题，本文提出了一种性能优良、鲁棒性强的航空图像检测模型。首先，针对航拍图像中小目标容易被误检和漏检的普遍问题，引入Bi-PAN-FPN的思想，对YOLOv8-s的颈部部分进行改进。通过充分考虑和重用多尺度特征，在尽可能保持参数成本的前提下，实现更先进、更完整的特征融合过程。

2023-10-31 08:58:46 190

原创【论文阅读笔记】Object Detector For UAV Images Based on Improved YOLOX

无人机图像有着背景复杂存在大量的密集小目标等特点。本文提出了基于YOLOX-S改进的实施检测算法YOLOX-RFS。首先，由于小目标特征较少容易在深度网络中丢失，因此ConvNeXt模块被引入到窄的神经网络中去学习空间细节信息。然后，分析了特征图的感受野对无人机图像目标检测性能的影响，低层次特征图的感受野通过改变网络结构的Stem部分以及采用了一个残差块。

2023-10-22 22:52:04 25

原创【论文阅读笔记】Traffic Object Detection in UAVImages Based on Visual Attention and Re-parameterization

无人驾驶飞行器(uav)在交通运输中得到了广泛的应用。无人机图像中车辆等交通物体的检测有助于交通监控、城市交通规划和交通流量估计。然而，在无人机图像中检测物体存在一些不可避免的问题，如物体尺度变化大密集检测场景中物体之间的遮挡复杂背景造成的干扰等。为了减少上述因素的影响，实现实时检测，本研究提出了基于YOLOv5s的RTOD-YOLO。首先，增加小目标检测层，提高模型对小目标的检测性能;其次，引入全局上下文注意模块。

2023-10-17 22:26:12 6

zyq199082的博客