Fast Vehicle Detection in Aerial Imagery
KeyW Corp.（KeyW公司）；Sensors Directorate, Air Force Research Lab（空军研究实验室传感器处）
近年来，已经开发了几种实时或近实时对象检测器。然而，这些对象检测器通常被设计用于第一人称视角图像，其中对象在图像中较大，并且不能很好地直接应用于检测航拍图像中的车辆。虽然已经开发了一些用于航空成像的探测器，但这些探测器要么速度很慢，要么不能很好地处理多尺度图像。在这里，流行的YOLOv2探测器被修改，以大大提高其在航空数据上的性能。在几个航空图像数据集上将修改后的检测器与Faster RCNN进行了比较。所提出的检测器以超过4倍的速度提供接近最先进的性能。
2017-09-25 cs.CV
LEAP:D -- A Novel Prompt-based Approach for Domain-Generalized Aerial Object Detection
Chung-Ang University（中央大学）
针对无人机图像多变条件导致目标检测性能下降的问题，提出基于可学习提示词的视觉-语言方法LEAP:D，通过一步法同步更新提示词与模型训练，有效减少领域干扰并提升跨环境航空目标检测的鲁棒性。
2024-11-14 cs.AI cs.CV
Unsupervised Self-training Algorithm Based on Deep Learning for Optical Aerial Images Change Detection
Tianjin University（天津大学）
光学航空影像变化检测是对地观测中的一项重要任务，在过去的几十年里得到了广泛的研究。通常，性能优越的监督变化检测方法需要大量的带标签的训练数据，而这些训练数据是通过人工标注获得的，成本很高。本文提出了一种新的无监督自训练算法（USTA）的光学航空图像变化检测。采用传统的变化向量分析等方法生成伪标签。我们使用这些伪标签来训练一个设计良好的卷积神经网络。该网络被用作教师，对原始多时相图像进行分类，以生成另一组伪标签。然后用两组伪标签联合训练出一个与教师结构相同的学生网络。最终的变化检测结果可以通过训练好的学生网络得到。此外，我们设计了一个图像过滤器来控制网络训练过程中伪标签中变化信息的使用。该算法的整个过程是一个无监督的过程，无需人工标记标签。在真实数据集上的实验结果证明了该方法的优越性。
2020-10-22 cs.AI cs.CV
DisDop: Distillation with Domain Priors for Open-Vocabulary Aerial Object Detection
Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院，清华大学）；Tsinghua University（清华大学）
提出DisDop框架，通过从遥感基础模型（RemoteCLIP和DINOv3）中系统蒸馏多级领域先验知识到轻量级检测器，实现开放词汇航空目标检测的最新性能。
2026-05-23 cs.AI cs.CV
Improving the Detection of Small Oriented Objects in Aerial Images
Electrical and Electronics Engineering Institute（电气与电子工程研究所）；University of the Philippines, Diliman（菲律宾大学迪利曼分校）
本文针对航空图像中小型有向目标检测问题，提出 Attention-Points Network，通过 GALoss 和 BPLoss 增强分类与回归，并在 DOTA-v1.5 和 HRSC2016 上验证有效性。
2024-01-12 cs.AI cs.CV
Automatic detection of aerial survey ground control points based on Yolov5-OBB
Henan University of Urban Construction（河南城建学院）；University of North Carolina（北卡罗来纳大学）；Northeast Institute of Geography and Agricultural Ecology, Chinese Academy of Sciences（中国科学院东北地理与农业生态研究所）；Zhengzhou University（郑州大学）
使用地面控制点（GCPs）进行地理参考是无人机（UAV）摄影测量中最常见的策略，但同时它们的收集也是UAV活动中最耗时和昂贵的部分。近年来，深度学习在小目标检测领域得到了快速发展。为了通过检测无人机图像中的地面控制点（GCPs）标记来自动提取GCPs坐标信息，提出了一种基于深度学习的架构YOLOv 5-OBB，并结合置信度阈值滤波算法和最优排序算法的解决方案。我们将我们提出的方法应用于DJI Phantom 4 Pro无人机收集的数据集，并获得了良好的检测性能，平均平均精度（AP）为0.832，交叉型GCP标记的最高AP为0.982。所提出的方法可以是一个很有前途的工具，为未来实施的端到端的空中三角测量过程。
2023-03-06 cs.AI cs.CV
An Efficient Aerial Image Detection with Variable Receptive Fields
School of Electronic Information and Electrical Engineering, Shanghai Jiao Tong University（电子信息与电气工程学院，上海交通大学）
针对无人机航拍中目标小、遮挡多和算力受限的问题，提出VRF-DETR检测器，通过多尺度上下文融合、门控卷积和门控多尺度融合瓶颈，以13.5M参数在VisDrone2019上取得51.4% mAP50，实现效率与准确性的新平衡。
2025-04-21 cs.AI cs.CV
Analysis and Adaptation of YOLOv4 for Object Detection in Aerial Images
Manipal Institute of Technology, Manipal Academy of Higher Education（马尼帕尔高等教育学院马尼帕尔理工学院）
近年来，用于各种计算机视觉任务的无人机（UAV）部署迅速增长，为许多机会铺平了道路，使其更加有效和有价值。由于外观、姿态和尺度的变化，航空图像中的目标检测具有挑战性。自主空中飞行系统具有其固有的有限的存储器和计算能力，需要用于实时应用的精确且计算高效的检测算法。我们的工作显示了流行的YOLOv4框架的适应性，用于以高精度和推理速度预测航空图像中的对象及其位置。我们利用迁移学习来加快模型在VisDrone DET空中目标检测数据集上的收敛。经过训练的模型的平均精度（mAP）为45.64%，在Tesla K80 GPU上的推理速度达到8.7 FPS，并且在检测截断和遮挡对象时非常准确。我们通过实验评估了不同网络分辨率大小和训练时期对性能的影响。与几个当代空中物体探测器的比较研究证明，YOLOv4的性能更好，这意味着一个更合适的检测算法，以纳入空中平台。
2022-03-18 cs.AI cs.CV cs.LG
Digital-to-Physical Transfer of Adversarial Patches for Aerial Vehicle Detection
School of Information Technology, Incheon National University（信息科技学院，Incheon国立大学）
本文通过数字优化和物理部署，评估了针对YOLOv3空中飞行器检测器的物理对抗性补丁攻击，发现ON补丁在物理环境中鲁棒性更强。
2026-05-29 cs.AI cs.CV
Oriented Object Detection in Aerial Images Based on Area Ratio of Parallelogram
Zhejiang University of Technology（浙江工业大学）
由于空间图像中的对象以任意方向显示并且经常密集地堆积，因此空间图像中的定向目标检测是一项具有挑战性的任务。主流的检测器使用五参数或八参数表示来描述旋转对象，这使得定向对象定义存在表示模糊性。本文提出了一种新的表示方法，称为ARP的面积比的基础上的业务。具体来说，ARP回归的最小边界矩形的定向对象和三个面积比。三个面积比包括有向物体与最小外接矩形的面积比和两个平行四边形与最小外接矩形的面积比。它简化了偏移学习，消除了定向对象的角度周期性或标签点序列问题。为了进一步解决近水平物体的混淆问题，采用物体与其最小外接矩形之间的面积比来指导每个物体的水平或定向检测的选择。此外，旋转的有效的交集超过并集（R-EIoU）损失与水平限界框和三个面积比的设计，以优化限界框回归旋转对象。在遥感数据集（包括HRSC 2016，DOTA和UCAS-AOD）上的实验结果表明，我们的方法比许多最先进的方法具有更好的检测性能。
2021-11-08 cs.AI cs.CV
Spatiotemporal Object Detection for Improved Aerial Vehicle Detection in Traffic Monitoring
University of Cyprus（塞浦路斯大学）；KIOS Research and Innovation Center of Excellence（KIOS卓越研究与创新中心）
本文提出基于YOLO的时空目标检测模型与STVD数据集，通过融合时间动态和注意力机制，在无人机交通监控中实现车辆检测性能较单帧模型提升16.22%。
2024-10-17 cs.AI cs.CV
Convolutional Neural Networks for Aerial Multi-Label Pedestrian Detection
West Virginia University（西弗吉尼亚大学）
航拍图像中感兴趣对象的低分辨率使得行人检测和动作检测极具挑战性。此外，使用深度卷积神经网络来处理大图像在计算要求方面可能是苛刻的。为了缓解这些挑战，我们提出了一个两步，是和否的问答框架，找到特定的个人做一个或多个特定的动作，在航空图像。首先，使用深度对象检测器（Single Shot Multibox Detector（SSD））从小型航空图像生成对象建议。其次，另一个深度网络用于学习潜在公共子空间，该潜在公共子空间将高分辨率航空图像与由基于人类的源提供的行人行为标签相关联
2018-07-16 cs.CV
SOAR: Advancements in Small Body Object Detection for Aerial Imagery Using State Space Models and Programmable Gradients
Netaji Subhas University of Technology（贾瓦哈拉尔·尼赫鲁技术大学）
本文提出SOAR方法，结合SAHI框架、YOLO v9的可编程梯度信息与Vision Mamba及双向状态空间模型，以提升航空影像小目标检测精度与效率。
2024-05-06 cs.AI cs.CV
RelationRS: Relationship Representation Network for Object Detection in Aerial Images
目标检测是航空图像处理领域的一项基本而重要的任务，也是计算机视觉领域的一个研究热点。然而，以往的航空影像目标检测方法对大规模航空影像不同区域间的场景语义信息利用不足。此外，复杂的背景和尺度变化使得检测精度难以提高。为了解决这些问题，我们提出了一种用于航空图像中目标检测的关系表示网络（Relationship Representation Network for Object Detection in Aerial Images-DRM RS）：1）首先，通过具有条件卷积的双关系模块（Dual Relationship Module，DRM）来融合和增强多尺度特征。对偶关系模块学习不同尺度特征之间的潜在关系，并在同一次迭代中学习来自不同补丁的不同场景之间的关系。此外，对偶关系模块动态生成参数，以指导多尺度特征的融合。2)其次，将桥接视觉表示模块（BVR）引入到航空影像领域，以提高复杂背景下的目标检测效果。公开的目标检测数据集的航空图像的实验表明，所提出的CNORS实现了国家的最先进的检测性能。
2021-10-13 cs.CV
Stable Diffusion For Aerial Object Detection
Microsoft Corp（微软公司）
针对航空目标检测的数据稀缺与长尾分布问题，提出一种基于Stable Diffusion的合成数据增强框架，通过ROI提取、LORA微调和Copy-Paste组合方法提升检测性能。
2023-11-21 cs.AI cs.CV cs.LG
Aerial Monocular 3D Object Detection
Cooperative Medianet Innovation Center (CMIC)（合作 medianet 创新中心（CMIC））；School of Electronic Information and Electrical Engineering, Shanghai Jiao Tong University（上海交通大学电子信息与电气工程学院）；Shanghai AI Laboratory（上海人工智能实验室）
提出DVDET双视角系统，通过可训练几何可变形变换解决航空视角畸变，实现无人机单目3D目标检测，并发布仿真与真实数据集验证其可行性。
2025-01-20 cs.AI cs.CV
Rotated Object Detection via Scale-invariant Mahalanobis Distance in Aerial Images
Wuhan University（武汉大学）
航空图像中旋转目标检测是一项有意义而又具有挑战性的任务，因为目标密集排列且具有任意方向。旋转目标检测中的八参数（框向量的坐标）方法通常使用非范数损失（L1损失、L2损失和平滑L1损失）作为损失函数。由于ln范数损失主要基于非尺度不变的Minkowski距离，因此使用ln范数损失将导致与检测度量旋转交并（IoU）和训练不稳定性的不一致。为了解决这个问题，我们使用Mahalanobis距离来计算预测和目标框顶点的向量之间的损失，提出了一个新的损失函数称为Mahalanobis距离损失（MDL）的八参数旋转目标检测。由于Mahalanobis距离是尺度不变的，MDL与检测度量更一致，并且在训练期间比ln范数损失更稳定。为了减轻边界不连续的问题，像所有其他八参数方法，我们进一步采取最小损失值，使MDL连续的边界情况。在DOTA-v1.0平台上，采用MDL方法实现了最佳性能。此外，与使用平滑L1损失的实验相比，我们发现MDL在旋转目标检测中表现更好。
2022-04-07 cs.AI cs.CV
Analyzing the Impact of Low-Rank Adaptation for Cross-Domain Few-Shot Object Detection in Aerial Images
Université Sorbonne Paris Nord（巴黎北索邦大学）；L2TI（L2TI机构）；COSE（COSE机构）；LIVIA（LIVIA机构）；ETS Montreal（蒙特利尔工程学院）；IMT Mines Alès（阿莱斯矿业电信学院）
本文将 LoRA 集成到 DiffusionDet，在 DOTA 和 DIOR 上验证其在航拍跨域少样本检测中的效果，发现低样本下略优于全量微调，高样本下仍以全量微调更佳。
2025-04-08 cs.AI cs.CV
Adversarial Patch Camouflage against Aerial Detection
TNO（荷兰应用科学研究组织）；Ministry of Defense（国防部）；Radboud University（拉德堡德大学）；University of Antwerp（安特卫普大学）；Leiden University（莱顿大学）
对地面军事资产的检测可以通过在无人机监控录像上应用基于深度学习的物体检测器来执行。隐藏军事资产的传统方法是伪装，例如使用伪装网。然而，像飞机或船只这样的大型资产很难通过传统的伪装网来隐藏。另一种伪装类型是自动目标探测器的直接误导。最近，已经观察到应用于对象的图像的小的对抗性改变可以通过基于深度学习的检测器产生错误的输出。特别地，对抗攻击已经被成功地证明禁止图像中的人检测，需要在人的前面举起具有特定图案的补丁，从而基本上使人对检测器敏感。对这种类型的补丁攻击的研究仍然有限，与最佳补丁配置相关的几个问题仍然是开放的。这项工作有两个贡献。首先，我们将基于补丁的对抗攻击应用于无人机监视的用例，其中补丁位于大型军事资产的顶部，将它们从图像上运行的自动检测器中分离出来。补丁可以防止自动检测的整个对象，而只覆盖一小部分it.Second，我们进行了几个实验，不同的补丁配置，改变它们的大小，位置，数量和显着性。我们的研究结果表明，对抗补丁攻击形成了一个现实的替代传统的伪装活动，因此应考虑在自动分析的空中监视图像。
2020-08-31 cs.AI cs.CV
Aerial Image Object Detection With Vision Transformer Detector (ViTDet)
The MITRE Corporation（麻省理工学院公司）
在过去的几年里，航空图像目标检测由于其在环境研究、城市规划和智能监测等大规模地学研究中的重要价值而受到越来越多的关注。然而，由于鸟瞰视角，复杂的背景，大型和各种图像尺寸，不同外观的对象，以及缺乏良好的注释数据集，这项任务是非常具有挑战性的。计算机视觉的最新进展显示出应对挑战的希望。具体地，提出了视觉Transformer检测器（ViTDet），以提取用于目标检测的多尺度特征。实验结果表明，ViTDet简单的设计在自然场景图像上取得了良好的性能，可以很容易地嵌入到任何检测器架构中。迄今为止，ViTDet的潜在好处，具有挑战性的空中图像目标检测尚未探讨。因此，在我们的研究中，进行了25个实验，以评估ViTDet在三个知名数据集上进行航空图像目标检测的有效性：空中客车飞机，RarePlanes和航空图像目标检测数据集（DOTA）。我们的研究结果表明，ViTDet在水平限界框（HBB）目标检测方面始终优于卷积神经网络（平均精度高达17%），并且在定向限界框（OBB）目标检测方面具有竞争力。我们的研究结果也为未来的研究奠定了基础。
2023-02-02 cs.CV
Measuring the Impact of Rotation Equivariance on Aerial Object Detection
Xidian University（西电大学）；National University of Defense Technology（国防科技大学）
本文提出严格旋转等变主干与颈部网络及多分支头部检测器MessDet，定量验证旋转等变性对航空图像检测性能的影响，在DOTA和DIOR-R数据集上以极低参数量达到最先进水平。
2025-07-14 cs.CV
Physical Adversarial Attacks on an Aerial Imagery Object Detector
The University of Adelaide（阿德莱德大学）；University of South Australia（南澳大学）
深度神经网络（DNN）对于处理使用地球观测卫星平台收集的大量航空图像至关重要。然而，DNN容易受到对抗性示例的影响，预计这一弱点也会困扰DNN的航空图像。在这项工作中，我们展示了对航空图像进行物理对抗攻击的第一批努力之一，其中对抗补丁被优化，制造并安装在目标物体（汽车）上或附近，以显着降低应用于头顶图像的物体检测器的功效。对空中图像，特别是从卫星平台捕获的图像进行的物理对抗攻击受到大气因素（光照、天气、季节）和观察者与目标之间距离的挑战。为了研究这些挑战的影响，我们设计了新的实验和指标来评估空中场景中物体探测器的物理对抗攻击的有效性。我们的研究结果表明，物理对抗攻击对处理卫星图像的DNN构成了明显的威胁。
2021-10-20 cs.CV
Object Detection in Aerial Imagery
Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
自然图像中的目标检测多年来取得了显著的成果。然而，类似的进展尚未观察到在空中目标检测由于几个挑战，如高分辨率图像，实例规模变化，类不平衡等，我们表现出两个阶段，一个阶段和注意基于对象检测器的iSAID数据集的性能。此外，我们描述了针对不同模型进行的一些修改和分析- a）在两阶段检测器中：引入了基于加权注意力的FPN，类平衡采样器和密度预测头。b）在一级探测器中：使用加权焦点损失并引入FPN。c）在基于注意力的检测器中：比较单个、多尺度注意力，并展示不同骨干的效果。最后，我们展示了一个比较研究，突出了不同的模型在航空图像设置的优点和缺点。
2022-11-15 cs.CV
Object detection on aerial imagery using CenterNet
航空图像中的对象的检测和分类具有若干应用，如城市规划、农作物监视和交通监视。然而，由于目标的低分辨率和噪声的影响，在航空图像中，提取区分特征的对象是一个挑战。我们在VisDrone2019数据集上评估了CenterNet，这是一种用于实时2D目标检测的最先进方法。我们在训练和测试过程中，结合不同的分辨率，使用不同的骨干网络来评估模型的性能。
2019-08-22 cs.CV cs.RO
Stingray Detection of Aerial Images Using Augmented Training Images Generated by A Conditional Generative Model
Institute of Information Science, Academia Sinica（中央研究院资讯科学研究所）；MOST Joint Research Center for AI Technology and All Vista Healthcare（科技部AI技术与全视医疗照护联合研究中心）；National Sun Yat-sen University（国立中山大学）
在本文中，我们提出了一个目标检测方法，解决了基于航空图像的黄貂鱼检测问题。在这个问题中，图像是通过使用无人机（UAV）在海面上进行空中拍摄的，并且在海面下（但靠近海面）游泳的黄貂鱼是我们想要检测和定位的目标。为此，我们使用一种深度目标检测方法，更快的RCNN，根据有限的训练图像集训练黄貂鱼检测器。为了提高性能，我们开发了一种新的生成方法，条件GLO，以增加黄貂鱼的训练样本，这是生成潜在优化（GLO）方法的扩展。与传统的仅为图像分类生成新数据的数据增强方法不同，我们提出的将前景和背景混合在一起的方法可以为目标检测任务生成新数据，从而提高CNN检测器的训练效率。实验结果表明，该方法在航空影像黄貂鱼检测中取得了令人满意的效果。
2018-06-25 cs.CV
Salience Biased Loss for Object Detection in Aerial Images
University of Missouri-Columbia（密苏里大学哥伦比亚分校）
由于遥感图像分辨率低、背景复杂、目标尺度和角度变化大等特点，遥感图像中的目标检测一直是一个具有挑战性的问题。在当前的实现中，已经提出了基于多尺度和基于角度的网络，并且利用空间图像检测产生有希望的结果。在本文中，我们为深度神经网络提出了一种新的损失函数，称为显着偏置损失（SBL），它使用输入图像的显着信息来提高目标检测的性能。我们的新损失函数根据输入复杂度对训练样本进行不同的处理，以避免容易的案例在训练过程中的过度贡献。在我们的实验中，RetinaNet使用SBL进行训练，以生成一个单阶段检测器SBL-RetinaNet。SBL-RetinaNet应用于现有最大的公共航空影像数据集DOTA。实验结果表明，我们提出的损失函数与RetinaNet架构优于其他国家的最先进的目标检测模型至少4.31 mAP，和RetinaNet的2.26 mAP与RetinaNet相同的推理速度。
2018-10-18 cs.CV
ReDet: A Rotation-equivariant Detector for Aerial Object Detection
Wuhan University（武汉大学）
近年来，航空图像中的目标检测在计算机视觉中得到了广泛的关注。与自然图像中的目标不同，空中目标往往以任意方向分布。因此，检测器需要更多的参数来编码方位信息，这些参数通常是高度冗余和低效的。此外，由于普通CNN没有明确地对取向变化进行建模，因此需要大量的旋转增强数据来训练准确的对象检测器。在本文中，我们提出了一个旋转等变检测器（ReDet）来解决这些问题，它显式编码旋转等变和旋转不变性。更准确地说，我们将旋转等变网络纳入检测器中以提取旋转等变特征，这可以准确地预测方向并导致模型大小的大幅减少。基于旋转等变特征，本文提出了旋转不变RoI对齐算法（RiRoI Align），该算法根据RoI的方向自适应地从等变特征中提取旋转不变特征。在DOTA-v1.0、DOTA-v1.5和HRSC 2016等几个具有挑战性的航拍图像数据集上进行的大量实验表明，该方法在航拍目标检测任务上可以达到最先进的性能。与之前的最佳结果相比，我们的ReDet在DOTA-v1.0，DOTA-v1.5和HRSC 2016上分别获得了1.2，3.5和2.6 mAP，同时减少了60%的参数数量（313 Mb与121 Mb）。代码可在以下网址获得：\url{https://github.com/csuhan/ReDet}。
2021-03-13 cs.CV
DOTA: A Large-scale Dataset for Object Detection in Aerial Images
Wuhan University（武汉大学）；Cornell University（康奈尔大学）；German Aerospace Center (DLR)（德国航空航天中心（DLR））；University of Venice（威尼斯大学）
目标检测是计算机视觉中一个重要且具有挑战性的问题。虽然在过去的十年中，在自然场景中的目标检测方面取得了重大进展，但这种成功对于航空图像来说是缓慢的，这不仅是因为地球表面上的对象实例的尺度、方向和形状的巨大变化，而且还因为航空场景中的对象的注释良好的数据集的稀缺。为了推进地球视觉（也称为地球观测和遥感）中的目标检测研究，我们引入了一个大规模的航空图像目标检测数据集（DOTA）。为此，我们从不同的传感器和平台收集$2806$航空图像。每幅图像的大小约为4000 × 4000像素，并且包含表现出各种尺度、方向和形状的对象。然后，这些DOTA图像由航空图像判读专家使用$15$常见对象类别进行注释。完全注释的DOTA图像包含$188,282$实例，每个实例由任意（8 d.o.f.）为了在Earth Vision中建立目标检测的基线，我们评估了DOTA上最先进的目标检测算法。实验表明，DOTA很好地代表了真正的地球视觉应用，是相当具有挑战性的。
2019-05-19 cs.CV
Centroid-UNet: Detecting Centroids in Aerial Images
Geoinformatics Center, Asian Institute of Technology（亚洲理工学院地理信息学中心）
在航空/卫星图像分析（遥感）的许多应用中，生成物体的精确形状是一项繁琐的任务。在大多数遥感应用中，例如计数对象，只需要对象的位置估计。因此，在航空/卫星图像中定位物体质心是一种简单的解决方案，用于不需要物体精确形状的任务。因此，本研究的重点是评估使用深度神经网络定位卫星图像中的物体质心的可行性。我们的模型名称是Centroid-UNet。Centroid-UNet模型基于经典的U-Net语义分割架构。我们修改和适应的U-Net语义分割架构到一个质心检测模型，保留了原始模型的简单性。此外，我们已经测试和评估我们的模型与两个案例研究，涉及航空/卫星图像。这两个案例研究分别是建筑物重心检测案例研究和椰子树重心检测案例研究。与其他方法相比，我们的评估结果达到了很好的准确性，也提供了简单。根据本研究开发的代码和模型也可在Centroid-UNet GitHub存储库中获得：https://github.com/gicait/centroid-unet
2021-12-13 cs.AI cs.CV cs.LG
Object Detection in Aerial Images: A Large-Scale Benchmark and Challenges
Wuhan University（武汉大学）；Huazhong University of Science and Technology（华中科技大学）；University of Twente（特文特大学）；Cornell University（康奈尔大学）；Cornell Tech（康奈尔科技学院）；University of Rochester（罗切斯特大学）；German Aerospace Center (DLR)（德国航空航天中心）；University POLITEHNICA（布加勒斯特理工大学）
在过去的十年中，目标检测在自然图像中取得了显著的进展，但在航空图像中，由于鸟瞰图像引起的对象的尺度和方向的巨大变化，目标检测没有取得显著的进展。更重要的是，缺乏大规模的基准已经成为航空图像中目标检测（ODAI）发展的主要障碍。本文提出了一个大规模的航空影像目标检测数据集（DOTA）和综合基线。建议的DOTA数据集包含从11，268幅航空图像中收集的18类定向边界框注释的1，793，658个对象实例。基于这个大规模且注释良好的数据集，我们构建了涵盖10种最先进算法的基线，其中包括70多种配置，并对每个模型的速度和准确性进行了评估。此外，我们提供了一个代码库，并建立了一个网站，用于评估不同的算法。此前的DOTA挑战赛已经吸引了全球1300多支队伍。我们相信，扩展的大规模DOTA数据集，广泛的基线，代码库和挑战，可以促进航空图像中的目标检测问题的鲁棒算法的设计和可重复的研究。
2021-12-04 cs.CV
Object sieving and morphological closing to reduce false detections in wide-area aerial imagery
The University of Arizona（亚利桑那大学）
对于大面积航空图像中的目标检测，通常需要进行后处理以减少误检测。我们提出了一个两阶段的后处理方案，其中包括一个面积阈值筛选过程和形态关闭操作。我们使用两个大面积的空中视频比较五个目标检测算法的性能在没有和存在我们的后处理方案。自动检测结果与地面实况对象进行了比较。几个指标用于性能比较。
2020-10-28 cs.CV eess.IV
FPCD: An Open Aerial VHR Dataset for Farm Pond Change Detection
Indian Institute of Technology Bombay（印度理工学院孟买分校）
航空图像的变化检测涉及定位和识别与地理位置的共同配准的双时间或多时间图像之间的感兴趣区域相关联的变化。农场池塘是属于小型灌溉建筑物类别的人工建筑物，用于收集地表径流供未来灌溉之用。从航空图像中检测农场池塘及其随时间的演变有助于土地测量，以分析农业变化，政策实施，季节性影响和气候变化。在本文中，我们介绍了一个公开的目标检测和实例分割（OD/IS）数据集定位农场池塘从航空影像。我们还收集并注释了17个村庄14年时间跨度内的双时态数据，生成了一个二元变化检测数据集，称为\textbf{F} arm \textbf{P} ond \textbf{C} hange \textbf{D} etection Dataset（\textbf{FPCD}）。我们已经对OD/IS数据集上的各种目标检测和实例分割方法以及FPCD数据集上的变化检测方法的性能进行了基准测试和分析。数据集可在此页面公开访问：\textit{\url{https://huggingface.co/datasets/ctundia/FPCD}}
2023-02-28 cs.CV
Vehicle Detection in Aerial Images
University of Twente（特文特大学）；Leibniz University Hannover（汉诺威莱布尼茨大学）
航空影像中车辆的检测在许多应用中有着广泛的应用。与地面图像中的目标检测相比，航拍图像中的车辆检测由于其体积小、外观单调、背景复杂等特点，仍然是一个具有挑战性的问题。本文提出了一种新的双焦损失卷积神经网络框架（DFL-CNN）。在所提出的框架中，跳过连接用于CNN结构中，以增强特征学习。此外，在区域建议网络和最终分类器中，焦点损失函数被用来代替传统的交叉熵损失函数。我们进一步介绍了第一个大规模的车辆检测数据集ITCVD与地面实况注释的所有车辆在场景中。我们在现有的基准DLR 3 K数据集以及ITCVD数据集上展示了我们的模型的性能。实验结果表明，我们的DFL-CNN在车辆检测方面优于基线。
2018-02-09 cs.CV
YOLOv5-Based Object Detection for Emergency Response in Aerial Imagery
UNC Charlotte（北卡罗来纳大学夏洛特分校）
本文构建自定义数据集并采用 YOLOv5 检测航空影像中的应急关键车辆与事故场景，验证其在速度和精度上的平衡及实时应急价值。
2025-01-08 cs.CV
PolarDet: A Fast, More Precise Detector for Rotated Target in Aerial Images
Harbin Institute of Technology（哈尔滨工业大学）；Hikvision Research Institute（海康威视研究院）
高分辨率航空影像的快速、精确目标检测一直是一项具有挑战性的任务。由于对象尺度、旋转和长宽比的急剧变化，大多数现有方法效率低下且不精确。在本文中，我们表示的极坐标方法在极坐标方向的对象，并提出PolarDet，一个快速，准确的一级目标检测器的基础上表示。我们的检测器引入了一个亚像素中心的语义结构，以进一步提高分类的准确性。PolarDet在空中目标检测任务中实现了几乎所有的SOTA性能，推理速度更快。具体地说，我们的方法在DOTA、UCAS-AOD和HRSC上分别获得了76.64mAP、97.01mAP和90.46mAP的SOTA结果。最值得注意的是，我们的PolarDet在UCAS-AOD数据集上获得了最佳性能，并达到了最快的速度（32 fps）。
2020-10-17 cs.CV
Reliable Detection of Minute Targets in High-Resolution Aerial Imagery across Temporal Shifts
Shahid Rajaee University（沙希德·拉贾伊大学）
本文通过迁移学习初始化的Faster R-CNN架构，解决高分辨率航拍图像中跨时间偏移的微小目标检测问题，验证了模型在不同时间间隔和环境变化下的鲁棒性与性能一致性。
2025-12-12 cs.CV
Deep object detection for waterbird monitoring using aerial imagery
Rice University（莱斯大学）；Houston Audubon Society（休斯顿奥杜邦协会）；American Bird Conservancy（美国鸟类保护协会）
监测水鸟筑巢岛屿对跟踪水鸟种群趋势至关重要，这些趋势可用于评估生态系统健康状况并为保护管理决策提供信息。最近，无人驾驶飞行器或无人机已成为精确监测水鸟群体的可行技术。然而，从数百或可能数千张航空图像中手动计数水鸟既困难又耗时。在这项工作中，我们提出了一个深度学习管道，可用于使用商业无人机收集的航空图像精确检测，计数和监测水鸟。通过利用基于卷积神经网络的对象检测器，我们表明，我们可以检测到16类水鸟物种，通常发现在殖民地筑巢岛屿沿得克萨斯州海岸。我们使用Faster R-CNN和RetinaNet对象检测器的实验分别给出了67.9%和63.1%的平均插值平均精度分数。
2022-10-13 cs.CV
Density Map Guided Object Detection in Aerial Images
University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校）；East Carolina University（东卡罗来纳大学）
高分辨率航空图像中的目标检测是一项具有挑战性的任务，因为1）目标尺寸的大变化，以及2）目标的非均匀分布。一种常见的解决方案是将大的航空图像分成小的（均匀的）作物，然后对每个小作物应用目标检测。在本文中，我们研究的图像裁剪策略，以解决这些挑战。具体来说，我们提出了一个密度图引导的目标检测网络（DMNet），这是从观察到的图像的对象密度图表示对象如何分布在地图的像素强度方面的启发。随着像素强度的变化，它能够判断一个区域是否有物体，这反过来又为统计地裁剪图像提供了指导。DMNet有三个关键组件：密度图生成模块、图像裁剪模块和物体检测器。DMNet生成密度图，并根据密度强度学习比例信息，以形成裁剪区域。大量的实验表明，DMNet在两个流行的航空图像数据集上实现了最先进的性能，即VisionDrone和UAVDT。
2020-04-12 cs.CV
Diagnosing Aerial-View Object Detectors with Foundational Image Generative Models
Carnegie Mellon University（卡内基梅隆大学）；DEVCOM Army Research Laboratory（陆军研究实验室（DEVCOM））；Florida State University（佛罗里达州立大学）
研究用文本引导生成、属性控制编辑和自动属性验证构建可控合成测试平台，对预训练检测器进行细粒度评估，以预测实际性能差距并指导高效数据收集。
2026-07-07 cs.AI cs.CV cs.LG
Cross-View Open-Vocabulary Object Detection in Aerial Imagery
Center for Research in Computer Vision, University of Central Florida（计算机视觉研究中心，中央佛罗里达大学）
针对航空图像开放词汇目标检测的跨域迁移难题，提出结合图像间对比对齐与多实例词汇关联的结构化域对齐框架，在多个航空数据集零样本任务中显著优于封闭词汇微调模型。
2025-10-04 cs.CV
Exploiting Unlabeled Data with Multiple Expert Teachers for Open Vocabulary Aerial Object Detection and Its Orientation Adaptation
Tongji University（同济大学）；Southeast University（东南大学）
本文提出CastDet框架，通过多专家教师和动态标签队列实现开放词汇空中物体检测及其方向适应，提升新型物体识别与分类能力。
2026-01-24 cs.CV
A Comparative Attention Framework for Better Few-Shot Object Detection on Aerial Images
Université Sorbonne Paris Nord（巴黎索邦北大学）
Few-Shot目标检测（FSOD）方法主要在自然图像数据集上设计和评估，如Pascal VOC和MS COCO。然而，目前尚不清楚自然图像的最佳方法是否也是航空图像的最佳方法。此外，由于各种各样的检测框架和训练策略，很难直接比较FSOD方法之间的性能。因此，我们提出了一个基准框架，提供了一个灵活的环境来实现和比较基于注意力的FSOD方法。该框架以注意力机制为核心，分为空间对齐、全局注意和融合层三个模块。为了保持与现有方法的竞争力，这些方法通常利用复杂的训练，我们提出了为目标检测设计的新增强技术。使用这个框架，几个FSOD方法重新实现和比较。这种比较突出了航空和自然图像上两种不同的性能机制：FSOD在航空图像上的性能较差。我们的实验表明，小物体，这是很难检测到的Few-Shot设置，占性能不佳。最后，我们开发了一种新的多尺度对齐方法，跨尺度查询支持对齐（XQSA）FSOD，以提高小物体的检测。XQSA在DOTA和DIOR上的表现明显优于最先进的技术。
2022-10-25 cs.CV
Aerial Maritime Vessel Detection and Identification
针对无GNSS环境下无人机海上目标识别问题，提出基于YOLOv8检测、特征匹配与色调直方图分析的目标船舶定位方法，并在MBZIRC2023竞赛中验证了其有效性。
2025-07-09 cs.AI cs.CV cs.RO
DARDet: A Dense Anchor-free Rotated Object Detector in Aerial Images
National University of Defense Technology（国防科技大学）
航空图像中旋转目标检测的应用越来越广泛。然而，由于尺度、旋转、纵横比和密集排列的目标的巨大变化，这也是一项具有挑战性的任务。大多数现有方法严重依赖于大量具有不同尺度、角度和纵横比的预定义锚点，并且在距离损失的情况下进行优化。因此，这些方法是敏感的锚超参数，并容易遭受性能下降所造成的边界不连续性。为了解决这个问题，在本文中，我们提出了一个密集的锚自由旋转对象检测器（DARDet）的旋转目标检测在航空图像。我们的DARDet直接预测特征图的每个前景像素处的旋转框的五个参数。我们设计了一个新的对齐卷积模块来提取对齐的特征，并引入PIOU损失以实现精确和稳定的回归。我们的方法在三个常用的空中物体数据集上实现了最先进的性能（即，DOTA、HRSC2016和UCAS-AOD），同时保持高效率。代码可在www.example.com上获得。
2021-10-03 cs.CV
Improvised Aerial Object Detection approach for YOLOv3 Using Weighted Luminance
Sri Sai Ram Engineering College（斯里赛拉姆工程学院）
航空成像在无人机和卫星成像系统的导航和数据采集中起着至关重要的作用。最近几天，无人机的使用在几个应用中已经升级，这些应用不仅限于监视，交付系统，空战和农业活动。地面目标的航空成像是极具挑战性的，因为各种因素影响光通过不同介质的传播。几种基于卷积神经网络的目标检测算法在应用于航空成像和遥感领域时要求更高的鲁棒性。为了处理光传播对时间和太阳辐射的不利影响，引入了基于加权亮度的灰度成像自适应RGB滤波器，广泛地解决了瑞利散射效应的问题。容易被瑞利散射减弱的物体的图像在不同的时区被获取。采集的图像被精确标记，并接受训练和验证。实验结果表明，与传统的YOLOv3方法相比，该方法能够更准确、更有效地检测目标。
2022-12-20 cs.CV eess.IV
AMRNet: Chips Augmentation in Aerial Images Object Detection
航空图像中的目标检测是一项具有挑战性的任务，原因如下：（1）目标相对于图像来说较小且密集;（2）目标尺度变化范围很大;（3）不同类别中目标数量不平衡。现有的检测方法多采用裁剪思想，将高分辨率图像分割成一系列的子区域（片）进行检测。然而，在用芯片训练网络的过程中，存在着规模变化、对象稀疏、类别不平衡等问题。在这项工作中，三个增强方法被引入到缓解这些问题。具体来说，我们提出了一个规模自适应模块，它动态调整芯片大小，以平衡对象规模，缩小规模变化的训练。此外，我们还引入了镶嵌技术来增强数据集，缓解了目标稀疏性问题。为了平衡类别，我们提出了一种将对象粘贴到全景分割芯片上的掩模方法。我们的模型在VisDrone和UAVDT两个流行的航空图像数据集上实现了最先进的性能。值得注意的是，三种方法可以独立地应用于检测器，在不牺牲推理效率的情况下提高性能稳定。
2020-10-25 cs.CV
LR-CNN: Local-aware Region CNN for Vehicle Detection in Aerial Imagery
Leibniz Universität Hannover（汉诺威莱布尼茨大学）；Technische Universität Darmstadt（达姆施塔特工业大学）；Chinese Academy of Sciences（中国科学院）；University of Twente（特温特大学）
最先进的目标检测方法，如快速/更快的R-CNN，SSD或YOLO，在大型航空图像中难以检测具有任意方向的密集小目标。主要原因是使用插值来对齐RoI特征可能导致缺乏准确性甚至丢失位置信息。我们提出了局部感知区域卷积神经网络（LR-CNN），一种新的两阶段的方法在航空图像中的车辆检测。我们增强平移不变性来检测密集车辆，并通过聚合高精度ROI的特征来解决密集车辆之间的边界量化问题。此外，我们对高级语义池特征进行重采样，使它们从较浅卷积块的特征中重新获得位置信息。这增强了重采样特征的局部特征不变性，并能够检测任意方向的车辆。局部特征不变性增强了焦点损失函数的学习能力，并且焦点损失进一步有助于聚焦于难样本。总之，我们的方法更好地解决了航空成像的挑战。我们在几个具有挑战性的数据集（VEDAI，DOTA）上评估了我们的方法，证明了对最先进方法的显着改进。我们在DLR 3 K数据集上证明了我们的方法具有良好的泛化能力。
2020-05-28 cs.CV
MODA: The First Challenging Benchmark for Multispectral Object Detection in Aerial Images
MODA是首个多光谱航空图像目标检测挑战性基准，提出OSSDet框架整合光谱与空间信息，通过级联结构和对象感知机制提升检测性能。
2025-12-10 cs.CV
Zero-Shot Aerial Object Detection with Visual Description Regularization
Sichuan University（四川大学）
针对航空图像新型类别标注昂贵问题，提出视觉描述正则化 DescReg，通过相似性感知三元组损失注入类间视觉先验，在 DIOR、xView、DOTA 上显著提升零样本检测性能。
2024-03-01 cs.CV
Innovative Horizons in Aerial Imagery: LSKNet Meets DiffusionDet for Advanced Object Detection
Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)（穆罕默德·本·扎耶德人工智能大学（MBZUAI））
本研究提出将LSKNet主干与DiffusionDet头结合用于航空图像目标检测，通过消融研究优化损失函数等组件，在iSAID数据集上实现45.7%的MAP，比RCNN高出4.7%，显著提升了精度-时间权衡。
2023-11-21 cs.AI cs.CV cs.LG
Leveraging Synthetic Data in Object Detection on Unmanned Aerial Vehicles
University of Tuebingen（蒂宾根大学）
获取数据以在无人机（UAV）上训练基于深度学习的物体检测器是昂贵、耗时的，并且在特定环境中甚至可能被法律禁止。另一方面，合成数据访问起来又快又便宜。在这项工作中，我们探讨了潜在的使用合成数据在目标检测从无人机在各种应用环境。为此，我们扩展了开源框架DeepGTAV，使其适用于无人机场景。我们捕获了多个领域的各种大规模高分辨率合成数据集，通过分析多个模型的多种训练策略，展示了它们在无人机真实世界目标检测中的应用。此外，我们分析了几种不同的数据生成和采样参数，为进一步的科学研究提供可操作的工程建议。DeepGTAV框架可在https://git.io/Jyf5j上获得。
2021-12-22 cs.CV
LOGOS: Language-guided Oriented Object Detection in Aerial Scenes
University of Science, VNU-HCM, Vietnam（越南国家大学科学大学）；Vietnam National University, Ho Chi Minh City, Vietnam（越南国家大学）
针对航空场景目标检测难题，提出基于Transformer的LOGOS方法，利用文本提示引导检测，通过提示调制内容查询动态调整焦点，经DOTA数据集实验验证，该方法优于现有技术，提升了遥感应用中定向目标检测的性能。
2026-07-10 cs.CV
DALES: A Large-scale Aerial LiDAR Data Set for Semantic Segmentation
University of Dayton（代顿大学）
我们介绍了代顿注释激光雷达地球扫描（DALES）数据集，这是一个新的大规模航空激光雷达数据集，拥有超过5亿个手工标记的点，覆盖10平方公里的区域和8个对象类别。大型带注释的点云数据集已成为评估深度学习方法的标准。然而，大多数现有数据集侧重于从移动或地面扫描仪收集的数据，很少侧重于空中数据。从空中激光扫描仪（ALS）收集的点云数据在三维城市建模和大规模监控等领域提出了一系列新的挑战和应用。DALES是最广泛的公开可用的ALS数据集，其点的数量超过400倍，分辨率是其他现有注释航空点云数据集的六倍。该数据集为评估新的3D深度学习算法提供了关键数量的专家验证手动标记点，有助于将当前算法的重点扩展到航空数据。我们描述了我们的数据，注释工作流程的性质，并提供了一个基准的DALES数据集上的当前最先进的算法性能。
2020-04-14 cs.CV cs.LG stat.ML
Investigating the Challenges of Class Imbalance and Scale Variation in Object Detection in Aerial Images
MBZUAI（穆罕默德·本·扎耶德人工智能大学）
虽然目标检测是计算机视觉中的常见问题，但在处理航空卫星图像时更具挑战性。物体尺度和方向的多样性可能使它们难以识别。此外，可能有大量密集的小物体，如汽车。在这个项目中，我们对Faster-RCNN架构提出了一些修改。首先，我们使用不同的主干进行实验，以提取更好的特征。我们还修改了数据增强，并为区域建议生成锚点大小，以便更好地处理小对象。最后，我们研究了不同的损失函数的影响。我们提出的设计比使用带有ResNet-101 FPN主干的香草Faster R-CNN的基线提高了4.7 mAP。
2022-02-05 cs.CV
