YOLO-FEDER FusionNet: A Novel Deep Learning Architecture for Drone Detection

要約

画像ベースのドローン検出の主流の方法は、YOLOv5 のような汎用の物体検出アルゴリズムの採用に依存することがよくあります。
これらのアルゴリズムは、均一な背景に対してドローンを識別することには熟練していますが、複雑で高度にテクスチャーのある環境ではしばしば困難を伴います。
このようなシナリオでは、ドローンが背景にシームレスに統合され、検出品質に悪影響を与える迷彩効果を生み出します。
この問題に対処するために、YOLO-FEDER FusionNet と呼ばれる新しい深層学習アーキテクチャを導入します。
従来のアプローチとは異なり、YOLO-FEDER FusionNet は、一般的な物体検出方法と特殊な強みを持つ迷彩物体検出技術を組み合わせて、ドローンの検出機能を強化します。
YOLO-FEDER FusionNet の包括的な評価では、提案されたモデルの効率性が示され、検出ミスと誤警報の両方の削減において大幅な改善が実証されました。

要約(オリジナル)

Predominant methods for image-based drone detection frequently rely on employing generic object detection algorithms like YOLOv5. While proficient in identifying drones against homogeneous backgrounds, these algorithms often struggle in complex, highly textured environments. In such scenarios, drones seamlessly integrate into the background, creating camouflage effects that adversely affect the detection quality. To address this issue, we introduce a novel deep learning architecture called YOLO-FEDER FusionNet. Unlike conventional approaches, YOLO-FEDER FusionNet combines generic object detection methods with the specialized strength of camouflage object detection techniques to enhance drone detection capabilities. Comprehensive evaluations of YOLO-FEDER FusionNet show the efficiency of the proposed model and demonstrate substantial improvements in both reducing missed detections and false alarms.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google