論文の概要: UAV-DETR: DETR for Anti-Drone Target Detection

• arxiv url: http://arxiv.org/abs/2603.22841v1
• Date: Tue, 24 Mar 2026 06:29:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-25 19:53:37.332735
• Title: UAV-DETR: DETR for Anti-Drone Target Detection
• Title（参考訳）: UAV-DETR:対戦車目標検出のためのDETR
• Authors: Jun Yang, Dong Wang, Hongxu Yin, Hongpeng Li, Jianxiong Yu,
• Abstract要約: UAV-DETRは、小型のターゲットフレンドリーなアーキテクチャとリアルタイム検出機能を統合した新しいフレームワークである。 特にUAV-DETRはWTConv強化バックボーンとSliding Window Self-Attention (SWSA-IFI)エンコーダを備えている。 精度をさらに高めるため、UAV-DETRはインナーCIoUとNWDの損失戦略を統合し、標準IoUメトリクスの極端感度を小さな位置ずれに緩和する。
• 参考スコア（独自算出の注目度）: 18.80742672365221
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Drone detection is pivotal in numerous security and counter-UAV applications. However, existing deep learning-based methods typically struggle to balance robust feature representation with computational efficiency. This challenge is particularly acute when detecting miniature drones against complex backgrounds under severe environmental interference. To address these issues, we introduce UAV-DETR, a novel framework that integrates a small-target-friendly architecture with real-time detection capabilities. Specifically, UAV-DETR features a WTConv-enhanced backbone and a Sliding Window Self-Attention (SWSA-IFI) encoder, capturing the high-frequency structural details of tiny targets while drastically reducing parameter overhead. Furthermore, we propose an Efficient Cross-Scale Feature Recalibration and Fusion Network (ECFRFN) to suppress background noise and aggregate multi-scale semantics. To further enhance accuracy, UAV-DETR incorporates a hybrid Inner-CIoU and NWD loss strategy, mitigating the extreme sensitivity of standard IoU metrics to minor positional deviations in small objects. Extensive experiments demonstrate that UAV-DETR significantly outperforms the baseline RT-DETR on our custom UAV dataset (+6.61% in mAP50:95, with a 39.8% reduction in parameters) and the public DUT-ANTI-UAV benchmark (+1.4% in Precision, +1.0% in F1-Score). These results establish UAV-DETR as a superior trade-off between efficiency and precision in counter-UAV object detection. The code is available at https://github.com/wd-sir/UAVDETR.
• Abstract（参考訳）: ドローン検出は多くのセキュリティおよび対UAVアプリケーションで重要な役割を担っている。 しかし、既存のディープラーニングベースの手法は一般に、堅牢な特徴表現と計算効率のバランスをとるのに苦労する。 この課題は、厳しい環境干渉の下で複雑な背景に対して小型ドローンを検出する場合、特に深刻である。 これらの問題に対処するために,小型のターゲットフレンドリーなアーキテクチャとリアルタイム検出機能を統合する新しいフレームワークであるUAV-DETRを紹介する。 特にUAV-DETRはWTConv強化バックボーンとSliding Window Self-Attention (SWSA-IFI)エンコーダを備え、小さなターゲットの高周波構造の詳細を捉えながら、パラメータのオーバーヘッドを大幅に削減する。 さらに,背景雑音を抑え,マルチスケールのセマンティクスを集約する効率的なクロススケール特徴校正・融合ネットワーク (ECFRFN) を提案する。 精度をさらに高めるため、UAV-DETRはインナーCIoUとNWDの損失戦略を統合し、標準IoUメトリクスの極端感度を小さな物体における小さな位置ずれに緩和する。 UAV-DETRは、我々のカスタムUAVデータセット(mAP50:95では+6.61%、パラメータは39.8%減少)と公開DUT-ANTI-UAVベンチマーク(+1.4%、F1-Scoreでは+1.0%)のベースラインRT-DETRを大幅に上回っている。 これらの結果から,UAV-DETRは対UAV物体検出における効率と精度のトレードオフとして優れたものとなった。 コードはhttps://github.com/wd-sir/UAVDETRで公開されている。

関連論文リスト

• UFO-DETR: Frequency-Guided End-to-End Detector for UAV Tiny Objects [7.1136620172045]
  UAV画像の小さなターゲット検出は、スケールのばらつき、密度分布、小さなターゲットの優位性といった重要な課題に直面している。 本稿では、LSKNetベースのバックボーンネットワークを統合して、受容場を最適化し、パラメータ数を削減できる、エンドツーエンドのオブジェクト検出フレームワークUFO-DETRを提案する。
  論文  参考訳（メタデータ） (2026-02-26T07:37:45Z)
• How Far are Modern Trackers from UAV-Anti-UAV? A Million-Scale Benchmark and New Baseline [74.4054700050366]
  無人航空機(UAV)は広範囲のアプリケーションを提供するが、安全性とプライバシー侵害のリスクも大きい。 現在の反UAV研究は、主に固定地上カメラで撮影したRGB、赤外線(IR)、またはRGB-IRビデオに焦点を当てている。 本稿では,UAV-Anti-UAVと呼ばれるマルチモーダル視覚追跡タスクを提案する。
  論文  参考訳（メタデータ） (2025-12-08T10:19:54Z)
• UAV Individual Identification via Distilled RF Fingerprints-Based LLM in ISAC Networks [60.16924915676577]
  無人航空機(UAV)個人識別は、低高度統合センシング通信(ISAC)ネットワークにおける重要なセキュリティ監視戦略である。 UAVID識別のための新しい動的知識蒸留(KD)対応無線周波数指紋大言語モデル(RFF-LLM)を提案する。 実験結果から,提案フレームワークは,0.15万のパラメータと2.74ミリ秒の応答時間で,98.38%のID識別精度を実現していることがわかった。
  論文  参考訳（メタデータ） (2025-08-18T03:14:44Z)
• High-Frequency Semantics and Geometric Priors for End-to-End Detection Transformers in Challenging UAV Imagery [6.902247657565531]
  本稿では,空中シーンに適したリアルタイム検出変換器であるHEDS-DETRを紹介する。 まず,高周波数拡張セマンティックスネットワーク(HFESNet)のバックボーンを提案する。 第2に、高分解能特徴を効率的に融合させることにより、情報損失に対処する。 第三に、2つの相乗的成分を用いてデコーダの安定性と位置決め精度を向上させる。
  論文  参考訳（メタデータ） (2025-07-01T14:56:56Z)
• Detection-Friendly Nonuniformity Correction: A Union Framework for Infrared UAVTarget Detection [18.776245480405958]
  熱検出器を用いて撮影した赤外線無人航空機(UAV)画像は、しばしば温度依存性の低周波不均一性によって影響を受ける。 赤外線とUAVの両方の目標検出タスクに同時に対応できる検出フレンドリーな統合フレームワークを提案する。 検出誘導型自己監督損失を導入し,2つのタスク間の特徴的不一致を低減し,不均一なレベルが変化するように検出の堅牢性を向上する。
  論文  参考訳（メタデータ） (2025-04-05T01:29:22Z)
• UAVDB: Point-Guided Masks for UAV Detection and Segmentation [0.03464344220266879]
  UAVの検出とセグメンテーションのための新しいベンチマークデータセットであるUAVDBを提案する。 ポイント誘導の弱い監視パイプライン上に構築されている。 UAVDBは、可視オブジェクトからほぼ1ピクセルのインスタンスまで、さまざまなスケールでUAVをキャプチャする。
  論文  参考訳（メタデータ） (2024-09-09T13:27:53Z)
• Evidential Detection and Tracking Collaboration: New Problem, Benchmark and Algorithm for Robust Anti-UAV System [56.51247807483176]
  無人航空機(UAV)は輸送、監視、軍事など多くの地域で広く使われている。 従来は、UAVの先行情報が常に提供されていた追跡問題として、このようなアンチUAVタスクを単純化していた。 本稿では,従来のUAV情報を含まない複雑な場面において,UAVの認識を特徴とする新しい実用的対UAV問題を初めて定式化する。
  論文  参考訳（メタデータ） (2023-06-27T19:30:23Z)
• Attention-based Reinforcement Learning for Real-Time UAV Semantic Communication [53.46235596543596]
  移動地利用者に対する空対地超信頼性・低遅延通信(URLLC)の問題点について検討する。 グラフアテンション交換ネットワーク(GAXNet)を用いたマルチエージェント深層強化学習フレームワークを提案する。 GAXNetは、最先端のベースラインフレームワークと比較して、0.0000001エラー率で6.5倍のレイテンシを実現している。
  論文  参考訳（メタデータ） (2021-05-22T12:43:25Z)
• Anti-UAV: A Large Multi-Modal Benchmark for UAV Tracking [59.06167734555191]
  Unmanned Aerial Vehicle (UAV)は、商業とレクリエーションの両方に多くの応用を提供している。 我々は、UAVを追跡し、位置や軌道などの豊富な情報を提供するという課題を考察する。 300以上のビデオペアが580k以上の手動で注釈付きバウンディングボックスを含むデータセット、Anti-UAVを提案します。
  論文  参考訳（メタデータ） (2021-01-21T07:00:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。