利用先進(jìn)技術(shù)保家衛國：深度學(xué)習進(jìn)行小目標檢測（適合初學(xué)者入門(mén)）

論文地址：https://arxiv.org/pdf/2201.03243v1.pdf

一種改進(jìn)且高效的基于深度學(xué)習的自主系統，該系統可以高精度地檢測和跟蹤非常小的無(wú)人機。

    整體的介紹都比較基礎簡(jiǎn)單，初學(xué)者可以簡(jiǎn)單了解！

一、前言

如今，無(wú)人機等被廣泛用于各種用途，例如從航空圖像中捕獲和目標檢測等。這些小型ariel車(chē)輛輕松進(jìn)入公眾可能會(huì )造成嚴重的安全威脅。例如，關(guān)鍵地點(diǎn)可能會(huì )被混入公共場(chǎng)所的間諜使用無(wú)人機監控。

Study in hand提出了一種改進(jìn)且高效的基于深度學(xué)習的自主系統，該系統可以高精度地檢測和跟蹤非常小的無(wú)人機。所提出的系統由一個(gè)定制的深度學(xué)習模型“Tiny YOLOv3”組成，這是一種非?？焖俚哪繕藱z測模型“You Look Only Once”（YOLO）被構建并用于檢測。目標檢測算法將有效地檢測無(wú)人機。與之前的YOLO版本相比，所提出的架構顯示出明顯更好的性能。在資源使用和時(shí)間復雜度方面得到了改進(jìn)。

二、背景

隨著(zhù)世界在融合最新技術(shù)的同時(shí)不斷進(jìn)步，安全系統也在快速發(fā)展，以利用創(chuàng )新的力量來(lái)應對可能出現的任何安全威脅。在過(guò)去的幾年里，無(wú)人機的使用量急劇增加，包括對公眾的可及性，這進(jìn)一步增加了其使用量。隨著(zhù)無(wú)人機使用量的增加，安全威脅也隨之增加。我們已經(jīng)看到了一些無(wú)人機飛越不同建筑物的事件，包括一些需要安全的敏感區域。

無(wú)人機還提出了許多威脅，包括無(wú)人機被用作毒品走私工具、入侵無(wú)人機導致它們爆炸或使用它們竊取敏感信息，無(wú)人機還被用于進(jìn)行非法監視，造成安全和隱私威脅。這些事件對安全和隱私構成了巨大威脅。因此，解決這些安全問(wèn)題的方法是檢測和跟蹤這些無(wú)人機，以便采取反制技術(shù)來(lái)阻止這些無(wú)人機，以確保安全和隱私。

此外，大多數安全或防御系統都具有檢測可能發(fā)生的威脅程度的能力，但是，很少有人能夠深入分析威脅。隨著(zhù)機器學(xué)習和人工智能的進(jìn)步，通過(guò)減少人為干預使此類(lèi)系統變得智能化，有效的目標檢測可以幫助提高安全系統的效率并執行更好的分析。

三、新框架分析

前期主要介紹了深度學(xué)習的一些基礎知識：

Image matrix convolution operation with multiplies filter matrix

Convolution with 3 x3 filter using Stride 2

ReLU operation

Max-Pooling

Fully Connected Layer

如上展示，盡管Tiny YOLOv3比YOLOv3快得多，但它因為它在2個(gè)尺度上執行檢測，并沒(méi)有提供更好的準確度。

為了更好地實(shí)現準確性，研究者引入了一個(gè)修改后的Tiny YOLOv3架構。該架構總共包括31層：16個(gè)卷積層，3個(gè)檢測層，其余是用最大池化和ReLU層。以前的YOLOV3微型架構由總共24層組成，其中包括13個(gè)卷積層、3個(gè)檢測層。

研究者修改了Tiny YOLOv3架構，通過(guò)使用前幾層的ReLU層提取特征，將在三個(gè)尺度上進(jìn)行檢測。這意味著(zhù)3個(gè)yolo層將負責檢測對象。錨框用于計算預測邊界框的寬度和高度。通常，YOLOv3為每個(gè)單元使用3個(gè)錨點(diǎn)，這些錨點(diǎn)預測三個(gè)邊界框，總共9個(gè)錨點(diǎn)框。對于研究者的自定義目標檢測器，總共使用了6個(gè)錨框。

預測特征圖將分別為3個(gè)尺度上的13x13、26x26和52x52。隨著(zhù)網(wǎng)絡(luò )向前傳播圖像，在第一個(gè)yolo層，得到一個(gè)13x13的輸出特征圖。在放置第一個(gè)yolo層之后，對下一層進(jìn)行了兩倍的采樣，然后將具有相似大小的前一層的特征圖連接起來(lái)。對于第二個(gè)yolo層，得到26x26的輸出特征圖，在第三個(gè)yolo層，得到一個(gè)52x52的特征圖。這種架構比原始的yolov3架構更簡(jiǎn)潔、更小，后者在3個(gè)尺度上進(jìn)行檢測。此外，研究者的小而輕的架構可以檢測具有高置信度分數的小物體。

四、實(shí)驗

Results Evaluated

AVG FPS