针对复杂交通场景中无人机视角的优化小型目标检测算法

《IEEE Access》：Optimized Small Object Detection Algorithm for UAV Perspective in Complex Traffic Scenarios

　　

摘要：

在无人机视觉系统中，小目标检测面临诸多挑战，尤其是在交通环境复杂的情况下。这是因为检测精度受到限制，特征表示也不够充分。如何在实时性能和鲁棒性之间取得平衡是一个难题。本文提出了一种名为OSOD-UAV的优化小目标检测算法，专门用于处理复杂的交通场景。首先，我们在主干网络中引入了空间自适应动态卷积模块，该模块可以调整卷积权重。其次，从无人机的视角来看，目标分布是离散的，建模长距离依赖关系较为困难。为此，本文设计了一个双向轴向注意力模块来处理这一问题。该模块能够解耦空间维度，增强全局上下文信息的交互，从而提高模型在遮挡和密集场景中的感知能力。最后，本文使用WIoU（Wise-IoU）损失函数替代了传统的CIoU损失函数，并采用动态聚焦机制优化边界框回归过程，有望提升检测精度。实验结果表明，该模型的mAP@0.5达到了32.8%。值得注意的是，本文提出的方法能够有效提升复杂无人机场景中小目标检测的精度和鲁棒性，为无人机在复杂交通流环境中的视觉检测提供了可行的解决方案。