清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

Faster object detector for drone-captured images

计算机科学 人工智能 无人机 目标检测 计算机视觉 合并(版本控制) 特征(语言学) 深度学习 探测器 特征提取 卷积(计算机科学) 模式识别(心理学) 背景(考古学) 人工神经网络 哲学 古生物学 生物 电信 遗传学 语言学 情报检索
作者
Lei Zhao,Quan Zhang,Bo Peng,Yangyi Liu
出处
期刊:Journal of Electronic Imaging [SPIE - International Society for Optical Engineering]
卷期号:31 (04) 被引量:1
标识
DOI:10.1117/1.jei.31.4.043033
摘要

Object detection based on computer vision is becoming popular in drone-captured images. However, real-time object detection in unmanned aerial vehicle (UAV) scenarios is a huge challenge for low-end devices. To deal with the problem, we have improved YOLOv3-tiny in the following aspects. First, the label rewriting problem, which is caused by network structure and dataset of YOLOv3-tiny in drone-captured images detection, is very serious. The method of increasing the size of the predicted feature map is used to reduce the ratio of label rewriting. Second, the features of small targets will be reduced in a small feature map, but the context information with large receptive fields in it can improve the performance of small target detection. So we use dilated convolution to expand the receptive field without reducing the size of the feature map. Third, multiscale feature fusion is very helpful for small target detection. The multidilated module is adopted to merge features in earlier layer and deeper layers. Finally, a pretraining strategy combining copy-paste data augmentation method is proposed to learn more features from categories with a small number of samples. We evaluated our model on the VisDrone2019-Det test set. It achieves compelling results compared to the counterparts of YOLOv3-tiny, including ∼86.1 % decline in model size, increasing ∼19.2 % AP50. Although our model is slower than YOLOv3-tiny, it is 2.96 times faster than YOLOv3. The results of experiments verify that our network is more effective than YOLOv3-tiny. It is more suitable for UAV object detection applications on low-end devices.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
violetlishu完成签到 ,获得积分10
刚刚
jojo665完成签到 ,获得积分10
18秒前
焚心结完成签到 ,获得积分10
35秒前
大咖完成签到 ,获得积分10
37秒前
42秒前
45秒前
老宇126完成签到,获得积分10
47秒前
wefor完成签到 ,获得积分10
48秒前
一朵发布了新的文献求助10
48秒前
古炮发布了新的文献求助30
52秒前
美满的红酒完成签到 ,获得积分10
56秒前
57秒前
自然馈赠发布了新的文献求助10
1分钟前
回首不再是少年完成签到,获得积分0
1分钟前
清净163完成签到,获得积分10
1分钟前
blossoms完成签到 ,获得积分10
1分钟前
Eric完成签到 ,获得积分0
1分钟前
2分钟前
明理问柳完成签到,获得积分10
2分钟前
糖宝完成签到 ,获得积分10
2分钟前
gy完成签到 ,获得积分10
2分钟前
Shadow完成签到 ,获得积分10
2分钟前
17852573662完成签到,获得积分10
3分钟前
光亮的自行车完成签到 ,获得积分10
3分钟前
清净126完成签到 ,获得积分10
3分钟前
孟寐以求完成签到 ,获得积分10
3分钟前
路路完成签到 ,获得积分10
3分钟前
风秋杨完成签到 ,获得积分10
3分钟前
雪山飞龙完成签到,获得积分10
5分钟前
zai完成签到 ,获得积分10
5分钟前
ming应助科研通管家采纳,获得10
5分钟前
Akim应助科研通管家采纳,获得10
5分钟前
安静的ky完成签到 ,获得积分10
6分钟前
双眼皮跳蚤完成签到,获得积分10
6分钟前
天问完成签到 ,获得积分10
6分钟前
beikeyy发布了新的文献求助10
6分钟前
岩松完成签到 ,获得积分10
6分钟前
英姑应助beikeyy采纳,获得10
7分钟前
听话的靖柏完成签到 ,获得积分10
7分钟前
景代丝完成签到,获得积分10
7分钟前
高分求助中
The Oxford Handbook of Social Cognition (Second Edition, 2024) 1050
Kinetics of the Esterification Between 2-[(4-hydroxybutoxy)carbonyl] Benzoic Acid with 1,4-Butanediol: Tetrabutyl Orthotitanate as Catalyst 1000
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Handbook of Qualitative Cross-Cultural Research Methods 600
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3139615
求助须知:如何正确求助?哪些是违规求助? 2790511
关于积分的说明 7795430
捐赠科研通 2446958
什么是DOI,文献DOI怎么找? 1301526
科研通“疑难数据库(出版商)”最低求助积分说明 626259
版权声明 601176