基于无人机的人体检测器选择与融合用于地理定位显著性图生成
原文中文，约400字，阅读约需1分钟。发表于：。本研究解决了在软实时环境中可靠检测和地理定位不同类别对象的挑战，特别是在无人机执行搜索和救援任务时。通过评估视觉检测器的性能，自动选择最合适的在线目标检测算法，并通过一种新颖的传感器模型进行检测结果融合，从而提高地理定位的准确性和可靠性。实验结果验证了该方法的有效性，具有显著的应用价值。
本文介绍了两种创新方法，提升了小型空中物体的检测和分割能力。SAHI框架在轻量级YOLO v9架构上应用，利用可编程梯度信息减少信息损失。Vision Mamba模型结合位置嵌入和双向状态空间模型，实现精确定位感知和视觉背景建模。实验结果显示这些方法在检测准确度和处理效率上有显著改进，适用于实时小型物体检测。讨论了这些方法成为未来空中目标识别技术的基础模型。
