Para abordar el problema de la variada escala, densidad y falta de detalles de los objetivos en imágenes aéreas con drones, especialmente la alta cantidad de objetivos pequeños que causan omisiones y falsas detecciones, se propone un nuevo método de detección basado en inferencia asistida por segmentación adaptativa. El método primero ingresa la imagen aérea a la red de detección de objetivos para una inferencia inicial, diseñando un mecanismo de puntuación de ventana para ubicar objetivos inciertos en la imagen de entrada basado en los resultados iniciales, y selecciona automáticamente las regiones efectivas para segmentar, adaptándose a objetivos con diferentes escalas y densidades. Luego, las imágenes segmentadas se llevan a la red de detección para una inferencia secundaria. Finalmente, se aplica un proceso mejorado de supresión de no-máximos a los resultados de las dos inferencias para obtener el resultado final. Los resultados experimentales en los conjuntos de datos típicos VisDrone2019 y AI-TOD muestran que este método mejora el indicador mAP de modelos livianos típicos de detección de objetivos, incluyendo YOLOv7-tiny, YOLOv8n, YOLOv8s y YOLOv9-C, aumentando eficazmente el rendimiento de detección en imágenes aéreas.

detección de objetivos pequeños;inferencia asistida por segmentación adaptativa;localización de objetivos inciertos;supresión de no-máximos