SCLNet：一种适应尺度的补充学习网络，用于无人机图像中的物体检测
原文中文，约400字，阅读约需1分钟。发表于：。本研究针对无人机图像中物体检测的尺度挑战，提出了一种新的补充学习方法来提升检测性能。研究表明，SCLNet通过综合尺度互补学习和跨尺度对比互补学习的双重实现，能有效提取和利用小物体的细节信息，提高了对小物体的鲁棒性和整体检测效果。
本文研究了航拍图像中的目标检测方法，发现航拍图像与自然图像性能差距大，原因是航拍图像中小物体较多。为了改善小物体检测性能，提出了注意力机制和自适应尺度框相似性准则。通过度量学习和微调，提出了两种通用少样本目标检测方法，其中微调方法在跨域少样本目标检测方面取得显著成果。利用TensorRT等优化工具解决了在超大图像中实时检测的挑战。
