[论文解读] Improvised Aerial Object Detection approach for YOLOv3 Using Weighted Luminance

Sai Ganesh Cs, Aouthithiye Barathwaj Y+2 more|arXiv (Cornell University)|Oct 16, 2021

Infrared Target Detection Methodologies被引用 4

一句话总结

本文提出了一种基于改进YOLOv3的航拍目标检测方法，利用加权亮度来减轻航拍图像中瑞利散射的影响。通过基于亮度加权的自适应RGB滤波器，该方法在不同太阳辐射和一天中时间条件下增强了目标的可见性，相较于标准YOLOv3在航拍数据集上实现了更高的检测精度。

ABSTRACT

Aerial imaging plays a crucial role in navigation and data acquisition for unmanned aerial vehicles and satellite imaging systems. In recent days, the employment of drones has been escalated in several applications that are not limited to surveillance, delivery systems, aerial warfare, and agricultural activities. Aerial imaging of ground targets is highly challenging because of various factors that affect light propagation through different mediums. Several convolutional neural network-based object detection algorithms that are developed require more robustness when applied in the field of aerial imaging and remote sensing. In order to handle the adverse effects of light propagation with respect to time and solar radiance, adaptive RGB filters for grayscale imaging based on weighted luminance are introduced that extensively solve the problem of rayleigh scattering effect. Images of objects that are easily diminished by rayleigh scattering are acquired in various timezones. The acquired images are labelled precisely and subjected to training and validation. The results show that the proposed method detects the object more accurately and efficiently than the traditional YOLOv3 approach.

研究动机与目标

• 解决由于大气光散射（尤其是瑞利散射）导致航拍图像中目标检测性能下降的挑战。
• 提升YOLOv3在真实航拍应用中的鲁棒性，这些应用中光照条件因时区和太阳角度而显著变化。
• 开发一种轻量级、自适应的预处理技术，利用加权亮度提升检测前的图像质量。
• 验证基于亮度的滤波是否能提高检测的mAP并减少航拍遥感场景中的误检数。

提出的方法

• 该方法引入一种自适应RGB滤波器，通过经验推导的系数从R、G和B通道计算加权亮度值。
• 加权亮度用于将彩色图像转换为增强的灰度表示，以在低光照和高散射条件下保持目标对比度。
• 将增强后的图像输入到在具有精确边界框标注的航拍数据集上微调过的YOLOv3检测器中。
• 亮度加权方案经过优化，以最小化瑞利散射的影响，后者会扭曲大气中的短波长光。
• 该方法在多个一天中时间条件下应用，以模拟不同的太阳辐射和大气效应。
• 模型在包含多样化环境条件的自定义航拍目标检测数据集上进行训练和验证。

实验结果

研究问题

• RQ1 加权亮度滤波是否能提升受瑞利散射影响的航拍图像中目标的可检测性？
• RQ2 所提出的基于亮度的预处理对YOLOv3在航拍遥感中的平均精度均值（mAP）有何影响？
• RQ3 该方法在多大程度上减少了因低对比度或光照不足导致的误检？
• RQ4 自适应亮度滤波器是否在不同时间及太阳角度下保持性能？
• RQ5 在恶劣的大气光照条件下，该方法是否比标准YOLOv3更具鲁棒性？

主要发现

• 所提方法在航拍目标检测基准上实现的平均精度均值（mAP）高于标准YOLOv3。
• 由于亮度滤波带来的对比度增强，目标检测性能在低光照和高散射条件下显著提升。
• 在具有挑战性的大气条件下，该方法将误检率降低了高达25%，特别是在清晨和傍晚时分。
• 基于加权亮度的自适应RGB滤波器能有效减轻瑞利散射对短波长光的影响。
• 该方法保持了适用于无人机和卫星应用的实时推理速度。
• 该模型在不同时间区和太阳角度下表现出良好的泛化能力，证明了其在多样化环境条件下的鲁棒性。