FOE-YOLO tăng khả năng nhận diện mục tiêu cho drone cứu nạn trên biển
Một mô hình dựa trên YOLO11 hứa hẹn tăng độ chính xác cho drone cứu nạn trên biển.
FOE-YOLO được phát triển để giải quyết một điểm nghẽn lớn trong tìm kiếm cứu nạn hàng hải bằng máy bay không người lái: phát hiện mục tiêu nhỏ trong môi trường mặt nước phức tạp. Trên biển, ánh sáng phản chiếu mạnh, điều kiện chiếu sáng thay đổi liên tục và kích thước mục tiêu biến động theo độ cao bay khiến hệ thống thị giác máy tính dễ bỏ sót hoặc nhận nhầm. Bài toán còn khó hơn vì drone thường có tài nguyên tính toán hạn chế, không phù hợp với các mô hình phát hiện vật thể quá nặng.
Mô hình mới được xây dựng trên nền YOLO11 và tập trung vào cân bằng giữa độ chính xác và hiệu suất. Ở phần trích xuất đặc trưng, FOE-YOLO bổ sung mô-đun ODConv nhằm cải thiện khả năng biểu diễn hình ảnh trong điều kiện quan sát suy giảm, đồng thời kiểm soát chi phí tính toán. Cách tiếp cận này nhắm tới các tình huống thực địa, nơi camera trên drone phải xử lý ảnh có nhiễu, chói sáng hoặc tương phản kém.
FOE-YOLO cũng đưa vào hàm mất mát FSEIoU để xử lý tốt hơn sự thay đổi về tỷ lệ và vị trí của mục tiêu nhỏ. Cơ chế này tái phân bổ trọng số cho các dự đoán chất lượng thấp, qua đó hỗ trợ mô hình định vị mục tiêu chính xác hơn trong các khung hình khó. Bên cạnh đó, mạng cổ nhẹ EOA-YOLO kết hợp tăng cường miền tần số, tái tham số hóa và mô hình hóa tuần tự để cải thiện phát hiện đa tỷ lệ mà không làm mô hình trở nên cồng kềnh.
Kết quả thử nghiệm cho thấy FOE-YOLO đạt mAP50 cao hơn 2,4% và mAP50-95 cao hơn 1,5% so với YOLO11n nền tảng. Đáng chú ý, độ phức tạp tính toán giảm 28,6% tính theo GFLOPs, yếu tố quan trọng với các nền tảng UAV phải xử lý dữ liệu trực tiếp trên thiết bị. Điều này cho thấy mô hình có thể phù hợp hơn với nhiệm vụ tìm kiếm cứu nạn trên biển, nơi tốc độ phát hiện, độ chính xác và khả năng triển khai trên phần cứng hạn chế đều có ý nghĩa quyết định.