摘要：由于无人机航拍图像目标物体尺寸太小、包含的特征信息少,导致现有的检测算法对小目标的检测效果不理想。针对该问题,在YOLOv5主干网络中融入多头注意力机制,可以有效整合全局特征信息。随着网络深度的不断加深,模型将更关注高层的语义信息,进而忽略对小目标检测至关重要的底层细节纹理特征,以致小目标的检测效果较差。因此,提出浅层特征增强模块来学习底层特征信息,达到增强小目标特征信息的目的。此外,为了加强特征融合的能力,设计了一种多级特征融合模块,将不同层级的特征信息进行聚合,使网络能够动态调节各输出检测层的权重。实验结果表明,该算法在公开数据集VisDrone2021平均均值精度达到45.7%,相比原YOLOv5算法提升了3.1%,对高分辨率图像的检测速度FPS达到41帧/秒,满足实时性,与其他主流算法相比该算法检测精度有明显提升。

摘要：针对现有目标检测器在处理无人机航拍图像上存在的小目标检测精度不高的问题,提出一种具有目标感知特征增强的改进YOLOv4(yolo only look once)航拍检测算法。通过深度级联的方式构建瓶颈连接注意力模块,将其嵌入至YOLOv4主干网络,强化对基础特征的提取;为充分有效地利用目标上下文,对原始网络中特征金字塔输出的多尺度特征进行聚合与校准细化;对于小目标定位不够精确的问题,通过闭环反馈与融合策略重新设计检测头部,增强小目标位置信息的特征响应。该方法在VisDrone航拍数据集上的实验结果表明,检测精度相比YOLOv4提高了4.24%,其中小目标的精度提升了约2%。

摘要：为解决现有目标检测方法在检测无人机航拍图像中的交通目标时存在的水平包围框与目标真实轮廓贴合度较差、目标的水平包围框重叠度高导致相互抑制、目标发生旋转时,常规卷积操作的采样点落于目标之外等问题,在单阶段目标检测网络YOLOv3的基础上,提出了一种基于锚框变换的单阶段旋转目标检测网络(ATB-YOLO)。特征提取网络部分,设计了新的特征提取网络Darknet-53-Dense,使用Mish激活函数代替Leaky ReLU激活函数,并借鉴DenseNet网络使用拼接模块代替残差模块。针对检测头部网络,本文提出了一种锚框变换网络(ATN),将初始的水平锚框变换为旋转锚框;并提出锚框对齐卷积(AAC),在旋转锚框的指导下调整卷积操作的采样位置,提取锚框对齐特征图预测目标的旋转包围框和类别。实验证明,使用本文提出的特征提取网络进行检测,网络的检测精度提高了1.38%;本文提出的锚框对齐卷积AAC,相比常规卷积、可变卷积和锚框指导可变卷积检测精度分别提高了4.38%、4.24%和3.79%;与几种主流的旋转目标检测方法进行对比,本文方法在获得了与二阶段检测器相当的精度的同时,达到了21.2帧/s的准实时检测速度。

摘要：从无人机采集的具有复杂背景的可见光航拍图像中准确提取电力线是极具挑战的任务,因而提出了一种新的基于局部上下文信息的检测算子(detector based on local context information,DLCI)。首先,基于电力线在航拍图像中局部特殊的语义特征设计具有空间对称结构的DLCI算子,并分别定义特征同质性能量函数H_1和特征异质性能量函数H_(2),利用H_(1)和H_(2)实现对电力线像素点的初步筛选。然后,定义电力线空间局部一致性响应函数H_(3)实现对电力线像素的提取。最后,采用基于包络线分段拟合(envelope-based piecewise fitting,EPF)算法实现对电力线的拟合。实验结果表明,所提算法在多种航拍场景下均能实现对电力线的准确提取,不仅兼顾建模简单和相对高精度的优点,而且具备一定程度的算法稳定性,具有较高的工程应用价值。

摘要：基于局部特征的航拍图像拼接算法,是一种比较常用的建立局部地区地图的方式。针对现有的基于局部特征的拼接算法鲁棒性差速度慢等缺点,本文提出一种基于增强KAZE的航拍地图拼接方法。首先建立APAP算法模型,然后利用奇异值分解建立鲁棒性更强的KAZE描述符进行匹配,随后根据匹配点解APAP模型得到网格单应性矩阵,最后以三张航拍图像为一组,以中间图像为目标形变图像分别与左右图像进行拼接,非重叠区域进行网格单适应矩阵高斯加权变换。实验表明,该方法不仅具有很强的鲁棒性,而且拼接速度快,对于多张航拍图像可以减小拼接误差。