異なる光条件下で小型かつ高速なドローンを検出するためのUAVベースYOLOV-8最適化技術

無人航空機（UAV）が商業および産業環境でますます普及する中で、公共の安全やその他の分野ではUAVの識別に対する関心が高まっています。UAVによる物体検出の手法も急速に進歩しています。しかし、小型ドローンの極小サイズ、複雑な空域背景、および変動する光条件により、この分野には依然として多くの課題があります。本研究はこれらの問題に対処するために、改良型YOLOv8を利用した小型UAV検出手法を提案します。まず、高解像度認識ヘッドを追加することで小さなターゲットの認識能力を向上させます。研究によると、YOLOv8ネットワークからは大きなターゲット予測層、特徴抽出層、融合層を取り除き、UAV予測のために4、8、または16サンプルの特徴マップのみを保持します。改良後のネットワーク構造は、3番目のC2fレイヤーからの特徴マップを16倍のダウンサンプリングを用いたマルチスケール特徴抽出のためにSPPFに直接供給します。Upsample-ConcatC2fモジュールを経た後、融合された特徴マップは直ちに次のコンポーネントに渡されます。我々の手法は、ベースラインモデルに比べて精度で11.9%、再現率で15.2%、平均適合率(MAP)で9%の性能向上を示しています。モデルサイズは57.9%削減され、パラメータ数も60%減少しています。また、本手法はエンジニアリング展開や実世界のUAV物体認識システムに適しており、比較研究および自作データセットを用いた実験で明確な利点を示しています。