Um dem Problem ungleicher Zielskalen, unterschiedlicher Dichten und unscharfer Details in Drohnenluftbildern, insbesondere der vielen kleinen Ziele, die zu Auslassungen und Fehlalarmen führen, zu begegnen, wird eine neue Methode zur Objekterkennung basierend auf adaptiver Segmentierungsunterstützung beim Inferenzverfahren vorgeschlagen. Die Methode gibt zunächst das Luftbild in das Objekterkennungsnetzwerk für eine erste Inferenz ein, entwickelt einen Fensterbewertungsmechanismus zur Lokalisierung unsicherer Ziele im Eingangsbild basierend auf den Ergebnissen der ersten Inferenz und wählt automatisch effektive Bildbereich zum Segmentieren, um sich an Ziele unterschiedlicher Skala und Dichte anzupassen. Anschließend werden die segmentierten Bilder für eine zweite Inferenz in das Objekterkennungsnetzwerk eingespeist. Schließlich wird auf die Ergebnisse der beiden Inferenzdurchläufe eine verbesserte nicht maximale Unterdrückung angewendet, um das endgültige Erkennungsergebnis zu erhalten. Experimentelle Ergebnisse auf den typischen VisDrone2019- und AI-TOD-Datensätzen zeigen, dass diese Methode den mAP-Wert typischer leichter Objekterkennungsmodelle, einschließlich YOLOv7-tiny, YOLOv8n, YOLOv8s und YOLOv9-C, verbessert und die Leistung der Objekterkennung in Luftbildern effektiv steigert.

Erkennung kleiner Ziele;adaptive Segmentierungsunterstützung beim Inferenzverfahren;Lokalisierung unsicherer Ziele;nicht maximale Unterdrückung