随着无人机的使用随着成本降低和改善的无人机技术而增加，无人机检测作为一个重要的对象检测任务。然而，在不利的条件下检测远处无人机，即弱对比度，远程，低可视性，需要有效的算法。我们的方法通过使用基于卡尔曼的对象跟踪器微调使用基于Kalman的对象跟踪器来提高yolov5模型来通过微调yolov5模型来接近无人机检测问题，以提高检测信心。我们的结果表明，通过最佳的合成数据子集增强真实数据可以提高性能。此外，由对象跟踪方法收集的时间信息可以进一步提高性能。
translated by 谷歌翻译
作为数据为中心的AI竞争的一部分，我们提出了一种以迭代采样通过迭代采样来改善培训样本的多样性。该方法本身强烈依赖于增强样本的保真度和增强方法的多样性。此外，我们通过引入更多用于困难类别的样本来进一步提高性能，特别是为边缘案例提供更接近的样本可能会在手中错误分类的模型。
translated by 谷歌翻译