Resumen

Para el vehículo aéreo no tripulado (UAV), la detección de objetos en diferentes escalas es un componente importante para el reconocimiento visual. Los avances recientes en las redes neuronales convolucionales (CNN) han demostrado que el mecanismo de atención mejora notablemente la representación multiescala de las CNN. Sin embargo, la mayoría de los métodos existentes de representación de características multiescala simplemente emplean varios bloques de atención en el mecanismo de atención para recalibrar de forma adaptativa la respuesta de características, lo cual pasa por alto la información de contexto a nivel multiescala. Para resolver este problema, en este artículo se propone una red de filtrado de características multiescala (MFFNet) para el sistema de reconocimiento de imágenes en el UAV. Se propone un nuevo bloque de construcción, denominado módulo de filtrado de características multiescala (MFF), para espinazos dorsales tipo ResNet, que permite el aprendizaje selectivo de características para la información de contexto multiescala a través de múltiples ramas paralelas. Estas ramas emplean múltiples convoluciones

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Vehículo aéreo no tripulado; Detección de objetos; Redes neuronales convolucionales; Mecanismo de atención; Representación de características a múltiples escalas; MFFNet
• Keywords:Unmanned aerial vehicle; Object detection; Convolutional neural networks; Attention mechanism; Multiscale feature representation; MFFNet