基于YOLO的无人机图像中目标定位与分类：JPEG压缩场景下的研究

《Computation》：YOLO-Based Object Localization and Classification in UAV Images Compressed by JPEG

　　

研究人员针对从无人机（UAV）获取的图像中目标定位（object localization）与分类（classification）任务，分析了有损压缩对卷积神经网络（CNN）性能的影响。预训练CNN在解决此类任务中起关键作用，但有损压缩会降低图像质量并损害检测与分类性能。由于JPEG仍是最基础压缩工具之一，研究人员采用多种YOLO（You Only Look Once）模型处理JPEG压缩彩色图像，质量因子（QF）在较宽范围变化，以判定失真何时开始显著影响不同尺寸与类型目标。研究使用交并比（IoU）、F1与平均精度均值（mAP）等指标，并在VisDrone与TAI数据集上训练与验证，分析定位与分类特性对目标尺寸的依赖关系。结果表明，强压缩主要降低小目标性能，mAP0.5:0.95等综合指标对压缩更敏感，而IoU在已匹配检测框上相对稳定。该工作可在系统设计阶段预测神经网络精度，并据此选择压缩水平，在预测质量与传输速度间取得平衡。

研究背景方面，无人机（UAV）在城市规划、精准农业、战场控制等领域广泛应用，机载光学传感器获取彩色图像后常需经通信链路传至地面中心。由于数据量大、带宽有限，常采用有损压缩（lossy compression）减小传输规模。已有研究指出，有损压缩会引入块效应与高频细节损失，对分类和检测产生负面影响；尤其小目标像素少、特征弱，更易受压缩伪影影响。虽然两阶段与单阶段检测器均受压缩影响，但YOLO家族因计算高效、可部署纳米（nano）与中型（medium）版本，适合无人机端或近端推理。现有文献多聚焦单一架构或单数据集，缺乏对多代YOLO在多数据集、多压缩等级下鲁棒性的系统评估。因此，研究人员在《Computation》发表论文，系统研究YOLOv5、YOLOv8、YOLOv11在JPEG压缩下对无人机图像目标定位与分类的性能演化。

关键技术方法上，研究人员以VisDrone数据集训练YOLOv5n、YOLOv5m、YOLOv8n、YOLOv8m、YOLOv11n、YOLOv11m；用TAI数据集做跨域验证，并将car类映射为vehicle类。JPEG采用默认4:2:0色度子采样，质量因子（QF）取15、20、30、40、60、80、90。训练中使用Mosaic、RandomPerspective、Albumentations、RandomHSV等数据增强，有效批大小保持64；评价采用IoU、F1、mAP_0.5:0.95，并用自助法（bootstrap）给出95%置信区间。小目标定义为标注框面积不大于200像素的区域。

研究结果部分，2.1节介绍JPEG压缩基本特性：基于离散余弦变换（DCT）的JPEG抑制高频系数，造成细节平滑与块失真；PSNR与PSNR-HVS-M随QF降低而下降，QF低于40后质量明显劣化。2.2节说明选用YOLO原因：nano版速度快，medium版精度与耗时折中。2.3节定义评价指标：交并比（IoU）衡量定位重叠，F1为精确率（Precision）与召回率（Recall）调和均值，mAP按101点插值平均精度（AP）汇总多类性能。

3.1节为使用数据集：VisDrone含10类目标，用于训练；TAI含大量航拍车辆区域，用于测试，避免过拟合式记忆。3.2节为神经网络训练：medium版优于nano版，YOLOv11m验证mAP最高，YOLOv5最低；nano版收敛晚于medium版。3.3节为验证集压缩图像统计：QF=90与80失真近乎不可见，QF=40与30多可见，QF=20与15明显劣化；BPP与压缩比（CR）随QF降低剧烈变化。

4.1节为VisDrone验证子集精度分析：IoU在不同QF下几乎不变，F1总体稳定；mAP_0.5:0.95随QF下降而降，高低QF置信区间不重叠，说明综合检测精度退化显著。4.2节为TAI全尺寸目标分析：IoU仍稳健；F1在部分新架构上边界QF间下降且区间不重叠；mAP_0.5:0.95随QF降低下降，YOLOv8m在低QF出现异常回升。JPEG影响主要在QF≤40后显现。4.3节为小目标定位与分类：小目标IoU与F1本就低于全目标；QF≤40时IoU明显下降，F1逐步降低，mAP_0.5:0.95因基线极低呈地板效应（floor effect）而看似平稳，实际小目标检测仍极困难。4.4节为压缩影响示例：QF=60开始丢车，QF=15丢失更多；mAP随每像素比特数（BPP）低于2.2而陡降。

讨论部分指出，YOLOv11m计算量与参数量约为YOLOv5n十倍，推理时间近两倍；用压缩图像微调并未明显提升鲁棒性。JPEG主要 smear 小目标，若需缓解可能要对比度增强等预处理，但非本文范围。实践上，普通任务QF高于30至40即可，小目标任务建议QF≥50至60；可据目标尺寸与带宽动态调QF。

结论部分翻译如下：本文研究了JPEG有损压缩无人机彩色图像中的目标定位与分类，表明所引入失真会对F1尤其是mAP_0.5:0.95产生负面影响。对已成功匹配的检测，全尺寸目标边界框重叠在JPEG压缩下变化较小，而整体检测性能主要随mAP_0.5:0.95下降。小目标在QF≤40（约对应PSNR 33 dB及以下）时退化更明显。小目标（小于200像素）受有损压缩负面影响远大于全尺寸目标，可靠检测仍是开放问题。六种YOLO中，medium版在mAP_0.5:0.95与小目标IoU上更优；全目标IoU跨QF较稳。退化呈非线性：中压缩较稳，低QF骤降。小目标检测对压缩伪影更敏感，说明保留细空间细节对航拍检测至关重要。medium模型压缩下更稳，更适合重可靠性轻算力的场景。未来可研究BPG（better portable graphics）与VVC帧内编码等新型压缩。