Red de Mejora de Atención Piramidal para el Seguimiento de UAV Nocturno

Mientras que los métodos de seguimiento de objetos basados en Redes Neuronales Convolucionales (CNN) pueden lograr resultados prometedores en conjuntos de datos tradicionales bien iluminados, es un desafío localizar con precisión los objetivos en imágenes de baja luminosidad tomadas en escenas nocturnas, incluso para rastreadores de última generación (SOTA). Las soluciones existentes a menudo desatienden características potenciales de la imagen beneficiosas para el seguimiento de objetos o se centran únicamente en mejorar la percepción humana, lo que dificulta equilibrar las tareas de mejora de imagen y seguimiento de objetos. Para abordar este problema y lograr un seguimiento confiable de vehículos aéreos no tripulados (UAV) en la noche, proponemos un mejorador de imágenes de baja luminosidad basado en Atención Piramidal, que sirve como una solución plug-and-play antes de los rastreadores. Además, introducimos un Módulo de Atención Piramidal (PAM) para mejorar la capacidad de representación de características a múltiples escalas de las imágenes, ya que las características de la imagen son difíciles de distinguir en condiciones de baja luminosidad. Los resultados experimentales reflejan la efectividad de nuestro método para abordar situaciones de mala iluminación.