.png){kind=icon}
返回
MPA-Det: multi-path aggregation-based object detection framework for aerial visual computing
.png){kind=icon}
PRE
AI
DOI：10.1007/s00371-025-03933-6.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
深度学习显著推动了通用场景下的目标检测；然而，航空图像目标检测面临着独特的挑战，如尺度变化和不均匀的空间分布，这些因素限制了通用目标检测模型的有效性。为应对这些挑战，本文提出了一种基于多路径聚合的检测网络（MPA-Det），专门针对航空视觉计算设计。MPA-Det通过三个层次的聚合增强特征学习：多路径特征聚合（MPFA）、多尺度路径聚合（MSPA）和多检测头级联（MDHC）聚合。MPFA模块采用拓扑结构相同的并行卷积块，提高了特征提取效率，并缓解了与目标分布不均相关的问题。为解决尺度可变性，MSPA引入了从低层到高层的侧连接，通过将高分辨率底层特征添加到高层特征中增强特征金字塔网络，从而改善了各金字塔层的对象定位。此外，MDHC在多个级联检测路径中逐步提高交并比（IoU）阈值，提升了检测精度。在VisDrone和Airbus Ship数据集上的实证评估证明了MPA-Det的有效性，其检测性能相较于现有方法有显著提升。我们的代码已公开：https://github.com/Hiyuur/MPA-Det。
Keyword:
Aerial object detection
Multi-path feature aggregation
Multi-scale path aggregation
Multi-detection head cascade
期刊
IF:
2.9
论文数:
4.6K
被引数:
6.5K
机构
引用论文
A unified and costless approach for improving small and long-tail object detection in aerial images of traffic scenarios.png)
APPLIED INTELLIGENCE
APPLIED INTELLIGENCEIF3.5
PREAI
分享收藏TIRNet: Object detection in thermal infrared images for autonomous drivingTIRNet: 用于自动驾驶的热红外图像中的物体检测APPLIED INTELLIGENCE
APPLIED INTELLIGENCEIF3.5
PREAI
分享收藏
查看更多内容