YOLC: 仅聚焦天空图像中微小物体检测的方法
原文中文，约300字，阅读约需1分钟。发表于：。通过建立在 CenterNet 上的高效和有效的框架 YOLC，我们引入了局部尺度模块（LSM）来解决处理大规模图像和非均匀目标分布时的挑战，通过使用高斯 Wasserstein 距离（GWD）修改回归损失以获得高质量边界框，并在检测头部使用可变形卷积和改进方法来增强对小目标的检测。我们在 Visdrone2019 和 UAVDT 等两个航拍图像数据集上进行了大量实验，证明了我们提出的方法的有效性和优越性。
通过YOLC框架引入局部尺度模块（LSM）解决大规模图像和非均匀目标分布的挑战。使用高斯Wasserstein距离（GWD）修改回归损失以获得高质量边界框，并在检测头部使用可变形卷积和改进方法增强对小目标的检测。在Visdrone2019和UAVDT等航拍图像数据集上实验证明了方法的有效性和优越性。
