基于深度学习的无人机目标检测研究综述

无人机具有体积小、灵活性强、航拍视野广等特点，广泛应用于警用巡查、城市交通监管、天气监测、 电力巡检、应急救援救灾等行业。近年来，随着计算机视觉领域的蓬勃发展，基于深度学习的目标检测 技术逐渐应用于无人机领域，并不断得到改进和加强。本文系统性地阐述了基于深度学习的目标检测技 术发展历程和研究现状。针对现阶段无人机航拍影像小目标多、背景复杂、目标尺度变化大的特性，归 纳和分析了近期对无人机目标检测的相关研究。最后，展望了基于深度学习的无人机目标检测技术的未 来发展趋势。 随着科技的发展，无人机(UAV)已经摆脱了过去的军事用途，逐渐扩展到民用和商用领域。随着无 人机技术的发展，基于深度学习的目标检测技术已成为无人机应用领域的重要研究内容[1]。将目标检测 技术应用于无人机上，实现在航拍视角下对地面场景的目标检测和识别。然而，在无人机航拍图像中， 检测对象多为小目标，受航拍视角影响，目标尺度变化较大；图像背景复杂，目标对象易被遮挡。给无 人机的目标检测带来了诸多挑战[2]。常规的目标检测算法应用于无人机上难以保证检测精确度，优化无 人机的目标检测性能成为了无人机应用领域的重要研究内容[3] [4]。本文首先介绍基于深度学习的目标检 测研究进展，然后总结现阶段无人机领域目标检测的研究难点，针对小目标检测、背景复杂、多尺度变 化三个方面进行改进和优化的各类方法进行了阐述。最后，对未来无人机目标检测的研究方向做出了展 望。