AD-YOLO：一种用于无人机图像中交通密集区域和小目标检测的统一方法 邓宇、 胡宇聪、 叶云、 徐鹏鹏

《Drones》：AD-YOLO: A Unified Method for Traffic-Dense and Small Object Detection in UAV Images Yu Deng, Yucong Hu, Yun Ye and Pengpeng Xu

　　

摘要

无人机（UAV）图像中密集分布且尺寸各异的物体，加上其动态多变、无约束的背景环境，使得传统的检测方法容易出现漏检、误报和定位偏差。为了提升UAV的视觉识别能力，我们提出了AD-YOLO算法，这是一种专为交通密集环境中的小目标检测设计的统一方法。首先，引入了一个结合自适应旋转卷积单元和分组方向注意力机制的模块，以增强模型的方向不变性和多尺度分辨能力；接着，构建了一个双路径协作特征金字塔网络，通过多方向上下文聚合路径和分层语义渐进融合路径共同优化模型的语义和空间细节；最后，设计了一个分层密集的重参数化大核模块，能够在降低计算复杂度的同时实现更宽的感受野。在VisDrone2019和UAVDT数据集上的大量实验表明，AD-YOLO在检测精度上优于现有方法，并且保持了良好的计算效率。