YOLO-MAG: An edge-preserving and bilateral dual-gated YOLO11 network for small object detection in UAV aerial imagery
本文提出了 YOLO-MAG，这是一种基于 YOLO11 的增强型网络，其通过引入边缘保留模块、混合注意力机制以及双边双门控融合金字塔，显著提升了在低分辨率和复杂背景等挑战下的无人机航拍图像中小目标检测的准确性与实时性能。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
无人机改变了我们从高空观察世界的方式，将天空变成了观测的新前沿。无论是监测交通、追踪野生动物，还是搜寻处于困境中的人员，这些飞行相机都依赖计算机来识别它们捕捉到的图像中的物体。然而，从高处观察微小事物对人工智能来说是一项艰巨的任务。当一辆车或一个人在广阔的景观中呈现为微小的像素簇时，计算机很难将它们与背景区分开来。这些微小物体的边缘在图像处理过程中往往会变得模糊，而尺寸的多样性和环境的杂乱也会让标准的检测系统感到困惑。为了让无人机真正发挥效用，它们的“眼睛”需要足够敏锐，以便在不被噪声干扰的情况下发现这些微弱的细节。
研究人员开发了一种新方法来解决这个问题，创建了一个专门用于在无人机航拍画面中寻找微小目标的系统。该团队由来自黄河水利委员会技术大学和河南大学的科学家领导，他们在现有的、高效的检测框架 YOLO11 的基础上进行了改进。虽然原始系统速度快且功能强大，但在分析图像时，它往往会丢失微小目标的细腻轮廓，就像如果画得太快，素描可能会失去其精细线条一样。研究人员的目标是在保留这些关键边缘的同时，过滤掉经常隐藏微小目标的视觉杂乱。通过在网络结构中织入三种特定的改进，他们成功实现这一目标，并由此产生了一个被称为 YOLO-MAG 的新模型。
第一个重大变化侧重于保护物体的边缘。在标准的图像处理中，当计算机为了理解大局而缩小视野（进行全局观察）时，微小物品的精细细节往往会消失。新系统引入了一个专门的模块，充当这些边界的保护装置。该模块并不让边缘信息被稀释，而是主动提取并强化物体在每个分析阶段的轮廓。它确保即使当一个物体微小且遥远时，其形状对计算机而言依然清晰且可辨识，防止其被周围的背景所吞噬。
为了处理场景的复杂性，研究人员还改进了系统如何关注图像的不同部分。微小物体经常成群出现，或者被混乱的图案包围，这使得很难分辨一个物体在哪里结束，另一个物体在哪里开始。新设计结合了两种不同的观察图像的方式：一种专注于即时的局部细节，另一种则理解更广泛的上下文环境。通过融合这两种视角，系统可以更好地理解物体与其周围环境之间的关系。这使其能够更精准地定位拥挤街道中的小型车辆或田野中的行人，而不需要显著增加计算能力。
拼图的最后一块涉及系统如何结合来自不同分析层的信息。想象一个同时接收到场景模糊宽景视图和清晰近景视图的网络。新架构使用一种双门控机制来决定哪些部分的信息是有用的。它就像一个精密的过滤器，为清晰、重要的细节打开大门，同时对背景噪声和无关的杂乱信息关闭大门。这确保了关于一个物体是什么以及位于何处的最终判断是基于最强有力、最相关的证据，而不是被环境中的视觉混沌所迷惑。
在包含数千张无人机图像的真实世界数据集上进行测试时，新系统展现出了性能的显著飞跃。在一个用于评估无人机视觉的标准基准测试中，改进后的模型检测微小目标的成功率比原始、未经修改的系统高出近 7%。即使在提高正确检测标准的严格程度时，它也保持了极高的准确度。尽管取得了这些精度上的提升，该系统仍然足够快，能够以每秒超过一百帧的速度在现代硬件上处理图像。这种速度对于无人机至关重要，因为它们在飞行过程中通常需要做出瞬时的决策。
研究人员还在另一组图像上测试了该系统，以确保它能够应对各种环境，从繁忙的城市街道到开阔的道路。结果是一致的，表明这些改进有助于系统很好地泛化到新场景中。研究表明，通过专注于保留边缘细节、融合注意力机制以及更有效地过滤噪声，使无人机视觉变得更加可靠是完全可能的。这项进展为那些对发现微小、遥远物体至关重要的应用领域提供了一条充满希望的路径，从紧急救援行动到自动化交通监测，确保从高空俯瞰的视野尽可能清晰且有用。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。