基于 DTA-FSAF 的无人机小目标检测研究

来源：计算机技术与发展杂志2024年第04期北京时间：

作者：赵侃;汪慧兰;郭娇娇;王桂丽

摘要：随着无人机的应用越来越广泛,基于无人机下的交通场景目标检测的需求也越来越高。 但是现有算法在无人机视角下检测精度不高,鲁棒性也不够稳定。 为了解决交通场景下无人机视角的车辆和行人的目标检测问题,该文提出DTA-FSAF 的目标检测网络。 首先,将可变形卷积融入骨干网络 ResNet-50 中提高 FSAF 网络( Feature Selective Anchor-Free) 的特征学习能力,采用 PAFPN( Path Aggregation Feature Pyramid Network) 实现多尺度融合,从而提高小目标的检测精度与网络的拟合能力;其次,使用任务对齐检测头减小网络的分类与定位任务在检测小目标时出现的分类与定位任务的错位,从而进一步提高网络的鲁棒性;最后,通过调整 IoU 损失提高网络整体的检测效果。 通过在无人机数据集 VisDrone上进行实验和分析比较可知,相比于其他网络,在不同的交通场景下,DTA-FSAF 网络在满足实时性需求的同时检测精度达到了 41. 3% 。 相比于 FSAF 网络提升了 19. 6% 。 通过实验证明改进算法能有效地在各种复杂交通场景下完成对行人和车辆的目标检测。

关键词：目标检测;小目标检测;Feature Selective Anchor-Free;无人机;标签分配