Drone-YOLO:一种有效的无人机图像目标检测

发布网友发布时间：2024-10-08 02:37

共1个回答

热心网友时间：2024-10-09 00:22

有效的无人机图像目标检测方法Drone-YOLO基于YOLOv8模型，专门设计以应对无人机图像特有的挑战。它通过改进颈部组件，引入三层PAFPN结构和定制的检测头，增强了对小目标的检测能力。在VisDrone2019数据集的实验中，Drone-YOLO（L）在准确性上超越了其他基线，且其轻量级版本Drone-YOLO（tiny）在参数效率上表现优秀。该方法适应了无人机遥感图像的特性，既满足高精度数据处理的需求，也能在嵌入式硬件中实现实时处理，为无人机任务规划提供支持。

在新框架设计中，Drone-YOLO采用了RepVGG结构的下采样层，通过三明治融合模块融合不同层次的特征，以增强多尺度检测头的空间信息提取。在实际应用中，如在Ubuntu 20.04环境中使用NVIDIA 3080ti进行训练，NVIDIA Tegra TX2在嵌入式实验中的性能验证了该方法在不同场景下的有效性。通过对比，Drone-YOLO在实际检测中展现出了优于YOLOv8的性能，特别是在目标检测的准确性和实时性方面。

论文链接提供了深入研究Drone-YOLO及其在无人机图像目标检测任务中的详细信息。