YOLO-Drone:Airborne real-time detection of dense small objects from high-altitude perspective

要約

タイトル: YOLO-Drone：高高度視点から密集した小さなオブジェクトを空中でリアルタイムに検出

要約:
– リモートセンシングオブジェクト検出技術を備えたドローンは、さまざまなアプリケーションで利用されており、コンピュータビジョンの主要な研究対象の一つとなっている。
– しかし、オブジェクトの小さなサイズや画像の劣化、リアルタイムの制約などの要因により、小規模なオブジェクトを信頼性をもって検出することは困難である。
– これらの問題を解決するために、リアルタイムオブジェクト検出アルゴリズム（YOLO-Drone）が提案され、2つの新しいUAVプラットフォームと特定の光源を使用して適用された。
– YOLO-Droneには、新しいバックボーンDarknet59、1つの空間ピラミッドプーリングと3つのアトラス空間ピラミッドプーリングモジュールを組み込んだ新しい複雑な特徴集約モジュールMSPP-FPN、および損失関数として一般化された交差領域を採用している。
– 性能評価には、UAVDTとVisDroneの2つのベンチマークデータセットおよびシリコンベースのゴールデンLEDの下で取得された自作データセットが使用される。
– 実験結果は、UAVDTとVisDroneの両方で、提案されたYOLO-DroneがSOTAオブジェクト検出方法を改善し、mAPをそれぞれ10.13％と8.59％向上させたことを示している。
– UAVDTに関しては、YOLO-Droneは53 FPSの高速リアルタイム推論速度と最大mAP 34.04％の高性能を示す。
– 特にシリコンベースのゴールデンLEDの下で、YOLO-Droneは最高87.71％のmAPを達成し、通常の光源の下でのYOLOシリーズの性能を上回る。
– 結論として、提案されたYOLO-Droneは、特にシリコンベースのゴールデンライトLED技術が顕著な優位性を発揮する夜間の検出タスクにおいて、UAVアプリケーションでのオブジェクト検出のための非常に効果的な解決策である。

要約(オリジナル)

Unmanned Aerial Vehicles (UAVs), specifically drones equipped with remote sensing object detection technology, have rapidly gained a broad spectrum of applications and emerged as one of the primary research focuses in the field of computer vision. Although UAV remote sensing systems have the ability to detect various objects, small-scale objects can be challenging to detect reliably due to factors such as object size, image degradation, and real-time limitations. To tackle these issues, a real-time object detection algorithm (YOLO-Drone) is proposed and applied to two new UAV platforms as well as a specific light source (silicon-based golden LED). YOLO-Drone presents several novelties: 1) including a new backbone Darknet59; 2) a new complex feature aggregation module MSPP-FPN that incorporated one spatial pyramid pooling and three atrous spatial pyramid pooling modules; 3) and the use of Generalized Intersection over Union (GIoU) as the loss function. To evaluate performance, two benchmark datasets, UAVDT and VisDrone, along with one homemade dataset acquired at night under silicon-based golden LEDs, are utilized. The experimental results show that, in both UAVDT and VisDrone, the proposed YOLO-Drone outperforms state-of-the-art (SOTA) object detection methods by improving the mAP of 10.13% and 8.59%, respectively. With regards to UAVDT, the YOLO-Drone exhibits both high real-time inference speed of 53 FPS and a maximum mAP of 34.04%. Notably, YOLO-Drone achieves high performance under the silicon-based golden LEDs, with a mAP of up to 87.71%, surpassing the performance of YOLO series under ordinary light sources. To conclude, the proposed YOLO-Drone is a highly effective solution for object detection in UAV applications, particularly for night detection tasks where silicon-based golden light LED technology exhibits significant superiority.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI