خوارزمية كشف الأهداف الصغيرة في التصوير الجوي تستند إلى الإدراك التعاوني للسياق
摘要
تم اقتراح خوارزمية للكشف تستند إلى الإدراك التعاوني متعدد المقاييس للسياق لمعالجة مشكلة انخفاض دقة الكشف عن الأجسام الصغيرة الناتج عن تغيّر حجم الهدف الكبير والخلفيات المعقدة في مشاهد التصوير الجوي. أولاً، تم بناء وحدة تعزيز متعددة المقاييس خفيفة الوزن (وحدة تعزيز متعددة المقاييس خفيفة الوزن، LMEM)، تجمع بين آلية الانتباه لتنشيط المعلومات البارزة المحلية، لتعزيز قدرة التقاط ميزات الأجسام الصغيرة؛ ثانياً، تم تصميم وحدة بنية دمج ميزات عبر المستويات مدفوعة بالسياق (وحدة بنية دمج ميزات عبر المستويات مدفوعة بالسياق، CCFFAM)، التي تدمج الالتفاف الانتباهي لمجال الاستقبال وتقنيات العينات الديناميكية لتحقيق المحاذاة المزدوجة للمساحة القناتية متعددة الطبقات والتكيف مع الدمج الوزني، لتعزيز قدرة دمج الميزات؛ وأخيراً، تم إعادة بناء توزيع مقياس رأس الكشف، واستبدال دالة الخسارة الأصلية بـ Focaler-CIoU لتحسين عملية الانحدار لمربع الإطار، مع ضمان أن النموذج خفيف الوزن مع كفاءة كشف عالية. أظهرت التجارب على مجموعتي بيانات VisDrone2019 وDOTAv1 أن الطريقة المقترحة تقلل من عدد معلمات النموذج بنسبة 27.9% (2.17 مليون)، مع زيادة mAP بنسبة 5.3% و1.4% على التوالي، مما يثبت أن الخوارزمية تتمتع بأداء كشف جيد.
关键词
التصوير الجوي بالطائرات بدون طيار;التفاعل عبر الأبعاد;دمج الميزات عبر الطبقات;خفيف الوزن
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website