論文の概要: FRFDet: Efficient UAV Small Object Detection with Symmetric Sampling and Scalable Fusion
- arxiv url: http://arxiv.org/abs/2607.04125v1
- Date: Sun, 05 Jul 2026 05:42:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-07 22:26:29.836152
- Title: FRFDet: Efficient UAV Small Object Detection with Symmetric Sampling and Scalable Fusion
- Title（参考訳）: FRFDet:対称サンプリングと拡張融合によるUAV小型物体の高効率検出
- Abstract要約: 本稿では,UAVを用いた小型物体検出に適した軽量で効果的な単段検出器FRFDetを提案する。
IBSはチャネル拡張圧縮と双方向パターン再構成を通じて重要な空間的詳細を保存し、特徴アライメントを改善する。
SFRCFはスケール依存の融合挙動を明示的にモデル化し、群間要素乗法がコンパクトモデルを好むことを示した。
- 参考スコア（独自算出の注目度）: 21.003446602551023
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Small object detection in Unmanned Aerial Vehicle (UAV) imagery remains challenging under adverse conditions, including complex weather, low illumination, and sensor noise. These challenges mainly stem from severe background clutter, fine-grained detail degradation, and suboptimal semantic-spatial feature fusion, which jointly hinder robust small-object representation. To this end, we propose FRFDet, a lightweight yet effective single-stage detector tailored for UAV-based small object detection. FRFDet proposes two plug-and-play modules: Inverse Bidirectional Sampling (IBS) and Scale-Feature Relationship Cross-Fusion (SFRCF). IBS preserves critical spatial details via channel expansion-compression and bidirectional pattern reconstruction, improving feature alignment. SFRCF explicitly models scale-dependent fusion behaviors, revealing that inter-group element-wise multiplication favors compact models, while inter-group additive fusion benefits larger architectures. Extensive experiments on VisDrone, UAVDT, HazyDet, and MS COCO demonstrate that FRFDet achieves state-of-the-art performance among lightweight detectors with low computational cost, compact parameters, and fast inference, making it well suited for resource-constrained UAV platforms.
- Abstract（参考訳）: 無人航空機(UAV)画像における小さな物体検出は、複雑な天候、低照度、センサーノイズなどの悪条件下では困難なままである。
これらの課題は主に、厳密な背景のぼかし、きめ細かな詳細劣化、そして、頑健な小対象表現を阻害する最適意味・空間的特徴融合に起因する。
この目的のために,UAVを用いた小型物体検出に適した軽量で効果的な単段検出器FRFDetを提案する。
FRFDetは、逆双方向サンプリング(IBS)とスケール-フィーチャー関係クロスフュージョン(SFRCF)の2つのプラグ・アンド・プレイモジュールを提案する。
IBSはチャネル拡張圧縮と双方向パターン再構成を通じて重要な空間的詳細を保存し、特徴アライメントを改善する。
SFRCFはスケール依存の融合挙動を明示的にモデル化し、グループ間要素乗法がコンパクトなモデルを好むのに対して、グループ間加法融合はより大きなアーキテクチャに恩恵をもたらすことを示した。
VisDrone、UAVDT、HazyDet、MS COCOの大規模な実験により、FRFDetは計算コストが低く、パラメータがコンパクトで、高速な推論が可能な軽量検出器の中で最先端の性能を達成し、資源制約のあるUAVプラットフォームに適していることが示された。
関連論文リスト
- LCMamNet: A Lightweight Cross-scale Mamba Network for Infrared Small Target Detection [53.811713750107934]
赤外線小ターゲット検出のための軽量クロススケールマンバネットワークであるLCMamNetを提案する。
十字形指向性ボトルネック残差ブロックを有するコンパクト階層型エンコーダは、指向性ターゲット構造を強化する。
IRSTD-1k、NUAA-SIRST、NUDT-SIRSTの実験では、提案したネットワークがそれぞれ71.25%、79.60%、95.58%のmIoUスコアを達成した。
論文 参考訳（メタデータ） (2026-07-27T09:06:14Z) - FLORO: A Multimodal Geospatial Foundation Model for Ecological Remote Sensing Across Sensors and Scales [65.4821703903285]
FLOROは、小さなが高度に多様なリモートセンシングコーパスから転送可能な表現を学習するために設計されたマルチモーダル基礎モデルである。
FLOROは、Sentinel-1、Sentinel-2、SkySAT画像、標高、UAV由来のデータとの不均一な組み合わせによるマスク付きオートエンコーディングを用いて事前訓練される。
我々は、シーン分類、セグメンテーション、回帰タスクにまたがる凍結エンコーダプロトコルを用いて、PANGAEAベンチマーク上でFLOROを評価した。
論文 参考訳（メタデータ） (2026-05-27T08:55:54Z) - Edge-Cloud Collaborative Reconstruction via Structure-Aware Latent Diffusion for Downstream Remote Sensing Perception [6.402472465609055]
高解像度リモートセンシングデータは、衛星間通信において深刻なボトルネックに直面している。
本研究では,非対称なエッジクラウド協調SRシステムであるStructure-Aware Latent Diffusion (SALD) フレームワークを提案する。
極端帯域制限下では、SALDは知覚品質(LPIPS)が優れ、シーン分類と小ターゲット検出の両方において、下流性能を大幅に向上する。
論文 参考訳（メタデータ） (2026-04-28T07:28:39Z) - FMC-DETR: Frequency-Decoupled Multi-Domain Coordination for Aerial-View Object Detection [18.023418423273082]
本研究では,FMC-DETRを提案する。FMC-DETR,FMC-DETR,FMC-DETR,FMC-DETR,FMC-DETR,FMC-DETR,FMC-DETR,FMC-DETR,FMC-DETR。
まず、大域的低周波文脈知覚を高めるために、カスケードウェーブレット変換を適用したWavelet Kolmogorov-Arnold Transformer (WeKat) のバックボーンを導入する。
次に、軽量なクロスステージ部分核融合(CPF)モジュールは冗長性を低減し、マルチスケールの機能相互作用を改善する。
最後に,Multi-Domain Feature Coordination (MDFC)モジュールについて述べる。
論文 参考訳（メタデータ） (2025-09-27T02:28:22Z) - HierLight-YOLO: A Hierarchical and Lightweight Object Detection Network for UAV Photography [0.0]
本稿では,小型物体のリアルタイム検出を支援する階層的特徴融合と軽量モデルであるHierLight-YOLOを提案する。
本稿では階層型拡張経路集約ネットワーク(HEPAN)を提案する。
小さい物体検出ヘッドは、空間分解能をさらに高め、小さな物体(4ピクセル)検出に対処するために特徴融合を行うように設計されている。
論文 参考訳（メタデータ） (2025-09-26T13:59:02Z) - DEPFusion: Dual-Domain Enhancement and Priority-Guided Mamba Fusion for UAV Multispectral Object Detection [6.4402018224356015]
DEPFusionというフレームワークがUAVマルチスペクトル物体検出のために提案されている。
デュアルドメイン強化(DDE)と優先誘導マンバ核融合(PGMF)から構成される。
DroneVehicleとVEDAIデータセットの実験は、DEPFusionが最先端の手法で優れたパフォーマンスを達成することを実証している。
論文 参考訳（メタデータ） (2025-09-09T01:51:57Z) - FUSE: Label-Free Image-Event Joint Monocular Depth Estimation via Frequency-Decoupled Alignment and Degradation-Robust Fusion [92.4205087439928]
画像強調共同深度推定法は、頑健な知覚に相補的なモダリティを利用するが、一般化可能性の課題に直面している。
自己監督型転送(PST)と周波数デカップリング型フュージョンモジュール(FreDF)を提案する。
PSTは、画像基盤モデルとの遅延空間アライメントによるクロスモーダルな知識伝達を確立し、データ不足を効果的に軽減する。
FreDFは、低周波構造成分から高周波エッジ特性を明示的に分離し、モード比周波数ミスマッチを解消する。
この組み合わせのアプローチにより、FUSEはターゲットデータセットに対する軽量デコーダ適応のみを必要とするユニバーサルなイメージイベントを構築することができる。
論文 参考訳（メタデータ） (2025-03-25T15:04:53Z) - Efficient Feature Fusion for UAV Object Detection [9.632727117779178]
特に小さな物体は画像のごく一部を占めており、正確な検出を困難にしている。
既存のマルチスケール機能融合手法は、様々な解像度で機能を集約することでこれらの課題に対処する。
本稿では,UAVオブジェクト検出タスクに特化して設計された新しい機能融合フレームワークを提案する。
論文 参考訳（メタデータ） (2025-01-29T20:39:16Z) - DA-Flow: Dual Attention Normalizing Flow for Skeleton-based Video Anomaly Detection [52.74152717667157]
本稿では,DAM(Dual Attention Module)と呼ばれる軽量モジュールを提案する。
フレームアテンション機構を使用して、最も重要なフレームを識別し、スケルトンアテンション機構を使用して、最小パラメータとフロップで固定されたパーティション間の広範な関係をキャプチャする。
論文 参考訳（メタデータ） (2024-06-05T06:18:03Z) - Small Object Detection via Coarse-to-fine Proposal Generation and
Imitation Learning [52.06176253457522]
本稿では,粗粒度パイプラインと特徴模倣学習に基づく小型物体検出に適した2段階フレームワークを提案する。
CFINetは、大規模な小さなオブジェクト検出ベンチマークであるSODA-DとSODA-Aで最先端の性能を達成する。
論文 参考訳（メタデータ） (2023-08-18T13:13:09Z) - Middle-level Fusion for Lightweight RGB-D Salient Object Detection [81.43951906434175]
本稿では,新しい軽量RGB-D SODモデルについて述べる。
中層核融合構造に IMFF および L モジュールが組み込まれているため,提案モデルは3.9M のパラメータしか持たず,33 FPS で動作する。
いくつかのベンチマークデータセットによる実験結果から,提案手法の有効性と優位性を検証した。
論文 参考訳（メタデータ） (2021-04-23T11:37:15Z)
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。