C2FDrone: Coarse-to-Fine Drone-to-Drone Detection using Vision Transformer Networks

一种基于视觉的无人机间检测系统对于各种应用非常重要，比如避免碰撞、应对敌对无人机以及搜救行动。然而，检测无人机存在独特的挑战，包括小物体尺寸、扭曲、遮挡和实时处理要求。当前的方法整合了多尺度特征融合和时间信息，但在处理极度模糊和微小物体方面存在局限性。为了解决这个问题，我们提出了一种基于视觉变换器的新型粗到细的检测策略。我们在三个具有挑战性的无人机间检测数据集上评估了我们的方法，在FL-Drones、AOT和NPS-Drones数据集上分别实现了F1分数提升7%、3%和1%。此外，我们通过在边缘计算设备上部署我们的模型展示了实时处理能力。我们的代码将公开发布。

本论文旨在解决无人机之间的视觉检测问题，包括避免碰撞、对抗敌对无人机和搜救任务等。当前的多尺度特征融合和时间信息集成方法在处理极度模糊和微小对象方面存在局限性。

本论文提出了一种基于视觉变换器的粗到细的检测策略，通过将检测任务分解为多个层次来解决问题。相比之前的方法，该方法可以处理小物体、失真、遮挡等问题，并且具有实时处理能力。

本论文在三个具有挑战性的无人机检测数据集上进行了评估，分别是FL-Drones、AOT和NPS-Drones，F1分数分别提高了7％、3％和1％。此外，该论文还在边缘计算设备上部署了模型，展示了实时处理能力。该论文的代码将公开发布。

在无人机视觉检测领域，最近的相关研究包括：'Drone Detection and Tracking: A High-Speed Cascade Detector for Wide Area Surveillance'，'Small-Drone Detection Using Simulated and Real Unmanned Aerial Vehicles'，'A Survey on Deep Learning for UAV Remote Sensing'等。