.png){kind=icon}
返回
DTSSNet: Dynamic Training Sample Selection Network for UAV Object Detection
.png){kind=icon}
PRE
AI
DOI：10.1109/TGRS.2023.3348555.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
当应用于航空图像时，物体检测器通常会在准确性和泛化方面遇到困难，主要是由于以下挑战: 1) 航空图像中物体的尺度变化很大: 在同一图像中可以看到非常小的物体和非常大的物体；和2) 正锚和负锚之间训练样本的极端不平衡: 有几个正地面真相 (GT) 锚和大量的负锚。在本文中，我们提出了一种动态训练样本选择网络 (DTSSNet)，以在两个维度上解决上述问题。提出了一种注意力增强特征模块 (AEFM)，通过关注与目标相关的通道和语义信息来增强基本特征。该模块为准确分类不同尺度的对象提供了更有价值的信息。为了解决训练样本不平衡的问题，本文实现了一个动态训练样本选择 (DTSS) 模块，该模块基于GT信息划分训练样本。该模块动态选择样本，确保正面和负面锚的更平衡的表示，从而改善学习。重要的是，AEFM和dts的组合不会引入任何额外的计算成本。对VisDrone2019-DET数据集的实验评估表明，DTSSNet优于基本检测器和通用方法。此外，DTSSNet的有效性在UAVDT基准数据集上得到验证，达到了最先进的性能。
Keyword:
Training
Object detection
Feature extraction
Autonomous aerial vehicles
Detectors
Costs
Annotations
Attention enhanced feature
dynamic training sample selection (DTSS)
object detection
unmanned aerial vehicle (UAV) aerial imagery
期刊
IF:
8.6
论文数:
2.1W
被引数:
10.7W
机构
引用论文
.png){kind=icon}
Conductivity Enhancement in Thin Silicon-on-Insulator Layer Embedding Artificial Dislocation Network
PREAI
分享收藏CRPN-SFNet: A High-Performance Object Detector on Large-Scale Remote Sensing ImagesCrpn-sfnet: 大规模遥感图像上的高性能目标检测器
PREAI
分享收藏Clinical Implications of Periostin in the Liver Metastasis of Colorectal Cancer骨膜蛋白在结直肠癌肝转移中的临床意义
PREAI
分享收藏分享收藏
查看更多内容