跨多个视觉光谱的无人机影像军事探测比较分析
Comparative Analysis of Military Detection Using Drone Imagery Across Multiple Visual Spectrums
作者:
Sourov Roy Shuvo, Prajwal Panth, Rajesh Chowdhury 等6人
分类:
cs.CV, cs.AI, cs.LG, cs.RO
📝 论文摘要
在现代战争中，无人机已成为在各类敌对环境中执行情报收集和精确打击的关键工具。其能够在安全距离外实时运行并适应敌对环境的特点，使其在监视和军事行动中具有不可替代的价值。KIIT-MiTA数据集包含从无人机拍摄的不同军事场景图像，为军事目标检测提供了基础，但未考虑真实世界的多样化场景。为此，本研究创建了四种不同类型的数据集——灰度视觉、热成像视觉、夜视视觉和暗隐视觉，以评估模型在不同条件下的性能。这些数据集模拟了低能见度、热基成像及夜间环境等真实场景。通过训练并使用YOLOv11-small模型在不同环境下进行目标检测，本研究提升了无人机在防御和进攻任务中的性能与可靠性，为先进检测系统的发展做出了贡献。
📊 核心分析
- 现有**KIIT-MiTA** 数据集仅包含常规军事场景图像，未考虑真实世界中的多种环境变化
- 无人机在**低可见度(低见度)**、**热成像(热像)**、**夜间** 等条件下检测性能需要评估
- 研究背景：无人机在现代战争中用于**实时侦察(intelligence gathering)** 和精确打击，但缺乏多视觉光谱下的检测能力分析
- 基于**KIIT-MiTA** 数据集创建四种模拟数据集：**灰度(Gray Scale)**、**热视觉(Thermal Vision)**、**夜视(Night Vision)** 和**模糊视觉(Obscura Vision)**
- 使用**YOLOv11-small** 模型进行目标检测训练和测试
- 通过**多光谱环境模拟(multi-spectrum simulation)** 评估模型在不同视觉条件下的适应性
- **系统性比较**：首次在同一框架下对比**灰度、热成像、夜视、模糊** 四种视觉光谱的军事目标检测性能
- **环境仿真**：模拟真实战场中的低可见度、热源成像和夜间环境，填补现有数据集缺乏**多场景多样性(multi-scenario diversity)** 的空白
- **实用导向**：直接评估**YOLOv11-small** 在防御和进攻任务中的鲁棒性，为实际部署提供依据
- 为**无人机军事检测(Drone Military Detection)** 领域提供了多光谱环境下的**基准分析(benchmark analysis)**
- 验证了**YOLOv11-small** 在多种恶劣条件下的检测能力，推动**实时侦察(real-time surveillance)** 系统的可靠性提升
- 创建的四种模拟数据集可复用于后续研究，促进**多视觉谱检测算法(multi-visual spectrum detection algorithm)** 的发展