本文提出了使用分割为基础的两阶段方法来检测从其他飞行无人机发射的无人机，通过使用时空注意力线索来确保准确的定位，并以准确性优于其他基线的结果在两个无人机检测数据集上进行了评估。
Mar, 2021
本文提出了一种利用深度学习和流张量时空滤波相结合的多线索检测管道，可以高效地检测移动车辆并结合上下文信息进行语义压缩，以更好地利用空地网络链路的有限带宽。
Jul, 2019
本文研究了计算机视觉和深度学习技术在无人机检测方面的表现，探究了在复杂背景、不同大小、复杂天气等挑战条件下使用一阶段探测器和二阶段探测器进行 UAV 检测的性能，并对两个数据集进行了评估，研究结果为发展更为强大的 UAV 检测方法提供了借鉴。
May, 2023
本文着重于构建一个针对复杂场景的无人机基准测试数据集，并对基准测试集中的物体检测、单目标跟踪和多目标跟踪进行了详细的定量分析，实验结果表明目前最先进的方法在这个数据集上的表现相对较差，给出了这一问题的多方面解决方案。
Mar, 2018
本文提出了一种基于深度学习目标检测的无人机多目标跟踪和三维定位方案，将 TrackletNet Tracker（TNT）和多视图立体技术相结合，能够对设备拍摄的对象进行检测、跟踪并测定其三维坐标。
Oct, 2019
文章研究了无人机导航中基于视觉的障碍物检测和跟踪问题，提出了一种实时的对象定位和跟踪策略，将对象检测和跟踪有效地集成到动态卡尔曼模型中，并使用卡尔曼滤波提供对象状态的粗略预测，而无需对其进行手动初始化，具有比同类技术更快的运行速度和竞争性的跟踪性能。
Mar, 2017
本文提出一种新的无标记动作捕捉技术，通过多个 RGBD 相机集成的自主飞行相机追踪运动目标的表面运动，利用无线电视移动引导信息和提出的非刚性表面配准方法实现了表面运动跟踪。
Oct, 2016
使用光学传感器进行无人机的检测、跟踪和距离估计，通过深度学习框架、目标检测模块、跟踪模块和深度估计模块实现全自主飞行和高级空中流动的无人机。
May, 2024
全球局部微型空中获得器以独特方式结合了运动和外观特征，提高了微型空中车辆（MAV）的检测准确性，并在具有挑战性的条件下实现了高效的检测。
Dec, 2023
本文提出了一种适用于监控视频中飞鸟对象的飞鸟对象检测方法，该方法通过多个连续图像帧上的飞鸟对象的相关性聚合特征，并利用下采样和上采样设计了一个具有大特征图层的飞鸟对象检测网络来检测特殊的多尺度（主要是小尺度）鸟类对象。最后，应用了 SimOTA 动态标签分配方法来解决不规则飞鸟对象引起的标签分配问题，实验结果表明本文提出的监控视频飞鸟对象检测方法有效地提高了飞鸟对象的检测性能。
Jan, 2024