阅读时间:2019-01-04~2019-01-06
论文:002 Deep Cross-Domain Flying Object Classfication for Robust UAV Detection
主要思想及个人理解:AVSS会议下有一个Drone-vs-birds(鸟、无人机识别)比赛,本文是将003中UAV无人机识别扩展到“无人机+鸟+背景”识别,在003基础上构建专有数据集,方法实质上没有更多改变,同一个团队paper。
启发及说明:论文名(Cross-Domain跨域)要起好,各章节要配套。
论文:003 Flying Object Detection for Automatic UAV Recognition
主要思想及个人理解:业内将无人机识别问题转化为“运动目标检测+类别识别问题”,本文主要是为了比赛,在算法上没有太多创新,是将多个用于UAV detection的方法进行对比选优,主要包括背景差分方法(两帧差分、三帧差分、背景建模)、LACD(感觉类似于KNN算法,需要自学习一段数据)、object proposal(RPN方法)。最终在参赛的无人机识别系统中选择了(摄像头静止时)median image based detector + 基于CNN的classfication、(摄像头运动时)object proposal(RPN方法)+基于CNN的classfication。在ablation实验部分,讨论了背景差分方法阈值选取、LACD学习帧数、RPN中top-n proposals,旨在得到低漏警率和对齐好的bbox。基于CNN的classfication可以进一步修正false postive降低虚警率以及misalignment的位置修正。除此之外,还做了一些小改进,比如RPN中anchor的size等。
启发及说明:实质上论文所提方法都尝试过,但未构建专门数据集训练,当时在现实场景中的效果比较差。后一步可以瞄准个人所要展开的研究问题、研究方向、应用场景开展更细致的研究。origin画各种曲线图的本领要掌握。