인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
Object detection in drone imagery faces challenges due to information loss during down-sampling and the prevalence of tiny objects. To address these issues, this paper proposes an improved YOLOv12s model optimized for aerial environments through structural redesign and loss function optimization. First, we reorganized the detection architecture to P2-P3-P4 by adding a high-resolution P2 head and removing the P5 head, while enhancing both the backbone and neck networks to preserve the spatial information of small objects. Second, we introduced a hybrid loss function combining NWD(Normalized Wasserstein Distance) and CIoU(Complete Intersection over Union) to mitigate gradient instability and ensure precise localization. Experiments on the VisDrone2019 dataset demonstrate that the proposed structural improvements are essential for maximizing the potential of the NWD loss function. The proposed model improved the AP50 from 28.0% to 37.1% and the Recall from 30.4% to 37.4% over the baseline, confirming its effectiveness in resolving the missed detection problem in drone surveillance.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-096577547
