Para lidar com o problema de diferentes escalas, densidades e falta de detalhes dos alvos em imagens aéreas de drones, especialmente a presença de muitos alvos pequenos que causam omissões e falsos positivos, propõe-se um novo método de detecção de objetos baseado em inferência assistida por fatias adaptativas. O método primeiro insere a imagem aérea na rede de detecção de objetos para uma inferência inicial, projeta um mecanismo de pontuação de janela para localizar os alvos incertos na imagem de entrada com base nos resultados da inferência inicial e seleciona automaticamente regiões efetivas para fatiar a imagem, adaptando-se a alvos de diferentes escalas e densidades. Em seguida, a imagem fatiada é enviada à rede de detecção para uma inferência secundária. Por fim, um processo aprimorado de supressão não máxima é aplicado nos resultados das duas inferências para obter o resultado final da detecção. Resultados experimentais em conjuntos de dados típicos VisDrone2019 e AI-TOD mostram que este método melhora o índice mAP de modelos leves típicos de detecção de objetos, incluindo YOLOv7-tiny, YOLOv8n, YOLOv8s e YOLOv9-C, aumentando efetivamente o desempenho da detecção de objetos em imagens aéreas.

detecção de pequenos alvos;inferência assistida por fatias adaptativas;localização de alvos incertos;supressão não máxima