Resumen

Con el rápido desarrollo del aprendizaje profundo y el amplio uso de los vehículos aéreos no tripulados (UAV), los algoritmos basados en CNN para la detección de vehículos en imágenes aéreas han sido ampliamente estudiados en los últimos años. Como tarea posterior a la detección de objetos en general, existen algunas diferencias entre la detección de vehículos en imágenes aéreas y la detección de objetos en general en imágenes de vista terrestre, por ejemplo, áreas de imagen más grandes, tamaños de objetivos más pequeños y fondos más complejos. En este trabajo, para mejorar el rendimiento de esta tarea, se propone una Red Densa Atencional Residual (DAR-Net). La red propuesta emplea un novedoso bloque residual denso en cascada (DW res-block) para preservar eficazmente la información espacial y extraer información semántica de alto nivel al mismo tiempo. También se ha diseñado un módulo de atención de campo receptivo multiescala (MRFA) para seleccionar la característica informativa de los mapas de características y mejorar la capacidad de percepción multiescala. Basándose en el re-bloque DW y el módulo MRFA, para proteger la información espacial, el marco propuesto adopta una nueva columna vertebral que sólo reduce la muestra del mapa de características 3 veces; es decir, la proporción total de reducción de la muestra de la columna vertebral propuesta es de 8. Estos diseños podrían aliviar el problema de la degradación, mejorar el flujo de información y fortalecer la reutilización de características. Además, se utilizan unidades de proyección profunda para reducir el impacto de la pérdida de información causada por las operaciones de downsampling, y el mapeo de identidad se aplica a cada etapa de la red troncal propuesta para mejorar aún más el flujo de información. La DAR-Net propuesta se evalúa con los conjuntos de datos VEDAI, UCAS-AOD y DOTA. Los resultados experimentales demuestran que el marco propuesto supera a otros algoritmos del estado del arte.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:detección de objetos en general, dw re, mapa de características, columna vertebral propuesta, información espacial, detección de vehículos, imagen aérea, flujo de información, atención del campo receptivo, impacto de la información
• Keywords:general object detection, dw re, features map, proposed backbone, spatial information, vehicle detection, aerial image, information flow, receptive field attention, impact of information