摘要
在受低光照、对比度降低、噪声和模糊影响的灰度图像中，可靠地检测小型无人机（UAV）十分困难。我们提出了随机退化覆盖训练（SDCT），这是一种在不更改检测器的情况下扩展训练数据的离线策略。一个单通道 YOLOv8n 模型（称为 YOLOv8n-Gray）使用清晰图像和每张图像对应的五个退化副本进行训练。在 DUT Anti-UAV 衍生基准上，在已见退化套件上的三种子均值 mAP50 从曝光匹配的清晰重复的 0.7369 增加到 0.8419。在 DUT-Adv 目标域测试包上，清晰重复的 mAP50 为 0.8089，DART 为 0.8519，SDCT 为 0.8481。在 FRED 的 47 序列标准测试划分上，汇总 mAP50 分别为 0.0062、0.0052 和 0.0059，其中清晰重复报告的值最高。在 13 序列的挑战性交集上，SDCT 超过清晰重复（0.0080 对比 0.0073），而 DART 最高（0.0088）。因此，FRED 表明 SDCT 相对于清晰重复具有条件性增益，而非一贯的优越性。在合成保留压力测试下，SDCT 的平均 mAP50 达到 0.6939。在 Jetson AGX Orin 上进行 TensorRT FP16 推理实现了 4.23 毫秒的延迟和 236.36 FPS 的帧率。最终评估使用了外部测试集。
