轨迹增强与合成数据辅助的无人机检测

这是由AVSS 2021主办的“无人机vs.鸟类挑战赛”（Drone vs. Bird Challenge）一等奖获奖方案所对应的论文。随着无人机成本降低与技术不断进步，无人机检测已成为一项关键的目标检测任务。然而，在对比度弱、远距离、能见度低等不利条件下实现远距离无人机检测，仍需依赖高效的算法。本文提出一种基于卡尔曼滤波（Kalman-based）目标跟踪器，结合真实数据与合成数据对YOLOv5模型进行微调的检测方法，以提升检测置信度。实验结果表明，通过引入最优子集的合成数据对真实数据进行增强，可有效提升模型性能；此外，利用目标跟踪方法获取的时序信息，还可进一步提升检测效果。