既存の検出モデルにおいて、ドローン画像中の対象、特に小さな対象の検出が不十分である問題に対処するため、本論文では軽量な小対象検出モデルPRSU-YOLOを提案する。まず、風車構造の畳み込み適応モジュールを設計し、微細な特徴抽出能力を強化した。次に、重み再パラメータ化空間・チャネル畳み込みモジュールを構築し、動的な特徴再構築を通じてマルチスケール表現を最適化した。さらに、ネックネットワークに小対象検出強化ブランチを組み込み、高解像度の詳細特徴強化経路を構築した。最後に、スケール動的交差比損失関数を導入し、モデルが境界ボックス回帰戦略を適応的に調整できるようにした。本モデルは計算複雑度がわずか14.6 GFLOPS増加したのみで、VisDrone2019データセットでmAP@0.5が37.4%に達し、ベースラインモデルより4.4%向上した。TinyPersonデータセットでは精度が34.5%に達し、3.5%向上した。実験結果は、本モデルが検出能力を大幅に向上させると同時に計算コストを効果的に制御し、ドローンの地上観測環境における対象検出タスクに対して有効な解決策を提供することを示している。

コンピュータビジョン;ドローン画像;小対象検出;特徴強化