Sep, 2024

实时动态规模感知融合检测网络：以道路损伤检测为例

HTML
PDF
TL;DR本研究解决了无人机基于道路损伤检测（RDD）中存在的不规则损伤、背景遮挡和损伤与背景区分困难等问题。通过设计灵活适应形状与背景的特征提取模块、多尺度感知融合模块及高效降采样模块，提出了一种名为动态规模感知融合检测模型（RT-DSAFDet）的新模型。实验结果表明，RT-DSAFDet在公共数据集上的mAP50达54.2%，较现有模型YOLOv10-m提升了11.1%，降低了参数量和计算量，展示了显著的性能优势。
发现论文，激发创造
  • 嵌入式无人机实时密集立体视觉用于道路检测

    本文介绍了一种嵌入在无人机上的稳健立体视觉系统，可以实时准确地评估道路表面的状况，从而支持道路交通的安全。通过改进视角变换和使用双边滤波器来过滤生成的代价体积，以及最小化能量函数，通过单独检测受损道路区域，降低了算法的计算复杂度。

    Apr, 2019

  • 一种基于深度乏味还原方法的无人机鲁棒目标检测探究

    本文提出了一种利用元数据和相关无人机图像来学习领域鲁棒特征的对抗训练框架——干扰解缠特征转换（NDFT）算法，以解决无人机图像中目标检测的具体挑战问题，实现了在两个现有基于无人机的目标检测基准测试上的最新性能。

    Aug, 2019

  • HIT-UAV：无人机高空红外热数据集

    该研究提出了一个用于无人机（UAV）物体检测应用的高空红外热数据集HIT-UAV，其中包含来自学校、停车场、道路、游乐场等地采集的2898个红外热图像，将有助于提高UAV应用的性能。

    Apr, 2022

  • Nordic Vehicle Dataset (NVD): 使用从无人机新采集的 NVD 在不同雪天气象条件下检测车辆性能

    本研究旨在解决雪天采用无人机捕捉到的汽车图像识别问题，提出使用Yolo v8，Yolo v5和快速RCNN等常用目标检测方法，并探索数据增强技术提高检测器的性能。

    Apr, 2023

  • 利用动态视觉传感器实现实时快速无人机检测

    本文介绍了一种嵌入式系统F-UAV-D（Fast Unmanned Aerial Vehicle Detector），利用动态视觉传感器（DVS）作为实时低功耗配置中RGB摄像头的替代品，通过利用DVS的高动态范围（HDR）和背景抑制，在亚优化的环境条件下检测快速移动的无人机的性能优于RGB输入。

    Mar, 2024

  • 精确剪切粘贴：一种内容和角度感知的道路损伤检测数据增强方法

    我们提出了一种改进的“剪切-粘贴”增强技术，既考虑了图像中道路的真实位置，又考虑了注入损伤和目标图像之间的透视差异。

    Jun, 2024

  • 双重注意力和部分过参数化网络用于实时道路损坏检测

    本研究针对现有道路损坏检测方法效率低、覆盖范围有限及准确性差的问题，提出了DAPONet模型。该模型采用了双重注意力机制、多尺度部分过参数化模块及高效下采样模块，实现了在SVRDD数据集上70.1%的mAP50，较YOLOv10n提升10.4%。DAPONet显著减少了参数和FLOPs，展现了其在实时道路损坏检测中的潜在影响。

    Sep, 2024

  • 无人机（UAV）：无人机数据集在分割、分类、检测和追踪中的多样化应用

    本研究解决了无人机数据集在不同研究领域应用缺乏全面性的难题。通过系统审视各种类型的无人机数据集，文章阐述了其在灾害评估、空中监视及物体识别等多方面的广泛应用。这项研究的关键发现是，利用这些数据集能够显著提升计算机视觉模型的能力，从而促进技术进步和理解复杂动态环境。

    Sep, 2024

  • 优化YOLO架构以实现最佳道路损坏检测与分类：从YOLOv7到YOLOv10的比较研究

    本研究解决了人工检测道路损坏效率低和安全风险高的问题，提出了一种基于深度学习的自动检测流程。通过优化模型架构和速度，尤其是利用轻量化模型和外部数据集，研究显示自定义YOLOv7模型与Tiny YOLOv7模型结合的方案在检测准确性和速度上达到了最佳平衡，F1得分为0.7027。

    Oct, 2024

  • RDD4D：四维注意力引导的道路损伤检测与分类

    本研究针对现有道路损伤检测方法在处理多种损伤类型时的不足，提出了多样化道路损伤数据集（DRDD），填补了数据集在不同损伤类型和尺度上的空白。同时，我们介绍了一种新模型RDD4D，它利用Attention4D模块在多个尺度上进行特征优化，显著提高了大尺度道路裂缝检测的性能，平均精度（AP）达0.458。这一方法的出现可能会对基础设施维护领域产生深远的影响。

    Jan, 2025