编辑推荐：
为解决民用反无人机技术在低空复杂城市环境中检测小目标无人机时存在的漏检、误检和低检测率问题，研究人员开展了基于 ESMS-YOLOv7 算法检测小目标无人机的研究。结果表明该算法性能优越，对提升城市低空安全防御意义重大。
在科技飞速发展的当下，无人机（Unmanned Aerial Vehicle，UAV）的身影无处不在。它在物流配送中穿梭，让货物更快抵达；在摄影领域翱翔，记录绝美风景；在军事行动里驰骋，执行重要任务。然而，无人机的广泛应用也带来了诸多麻烦。在军事冲突中，它可能被用于攻击军事设施，威胁国家安全；在城市生活里，它存在侵犯隐私、干扰公共秩序等风险。尤其是在低空复杂城市环境中，小目标无人机凭借其小巧灵活的特点，隐藏在高楼大厦、茂密绿植之间，难以被及时发现和识别。现有的民用反无人机技术面对这些小目标无人机时，常常力不从心，出现漏检、误检的情况，检测率也不尽如人意。
为了攻克这些难题，来自未知研究机构的研究人员开展了一项极具意义的研究。他们将目光聚焦于小目标无人机在低空复杂城市场景下的检测问题，通过对 YOLOv7 模型进行改进，提出了 ESMS-YOLOv7 算法。经过一系列实验验证，该算法在检测小目标无人机方面表现卓越，显著提升了检测性能，在 DUT Anti-UAV 数据集上展现出优于其他领先算法的能力。这一研究成果发表在《Cognitive Robotics》，为城市低空安全防御提供了新的有力武器。
研究人员在开展研究时，主要运用了以下关键技术方法：首先，对网络结构进行优化，引入 ELAN-C 模块、SimSPPFCSPC-R 模块和 MP-CBAM 模块。其中，ELAN-C 模块通过引入 ConvNeXt 模块，增强了对小目标特征的提取能力；SimSPPFCSPC-R 模块改进了空间金字塔池化结构，提升了对小目标区域的关注度和定位精度；MP-CBAM 模块则在 YOLOv7 的下采样过程中引入注意力机制，减少了特征丢失。其次，更换损失函数，采用 SIoU 损失函数替代原有的 CIoU 损失函数，提高了模型的收敛速度。研究数据来自 DUT Anti-UAV 数据集和 Amateur Unmanned Air Vehicle Detection 数据集，包含多种无人机模型和不同拍摄条件下的可见光图像。
下面来详细看看研究结果：
- 改进模块实验：对 ELAN 模块进行改进实验，将不同层的 CBS 模块替换为 ConvNeXt 模块进行测试。结果发现，替换第 5 层为 ConvNeXt 模块（即 ELAN-C (a)）时，模型在精度（P）、召回率（R）、平均精度均值（mAP@0.5）等指标上表现出色。在此基础上，ELAN-C (b) 进一步增强了输出数据，ELAN-C (a,b) 结构显著提升了模型精度。改进 SimSPPFCSPC-R 模块实验表明，该模块通过一系列优化，相比原 SPPCSPC 模块，在 P、R、mAP@0.5 和每秒帧率（FPS）指标上均有提升，且能更准确地定位无人机。MP-CBAM 模块实验显示，该模块提高了模型的检测精度，尽管 FPS 有所下降，但仍满足实时检测要求。更换损失函数实验结果表明，SIoU 损失函数相比 CIoU 损失函数，提升了模型的检测精度和收敛速度。
- ESMS-YOLOv7 模型实验：将改进后的 ESMS-YOLOv7 模型与原始 YOLOv7 模型对比，ESMS-YOLOv7 在 P、R 和 mAP@0.5 上分别提升了 5.2%、10% 和 9%，虽 FPS 下降 24，但仍满足实时检测需求。在不同背景下测试，ESMS-YOLOv7 能更好地从背景中区分无人机目标，误检和漏检率更低。在边缘计算设备上的测试显示，不同设备性能下，ESMS-YOLOv7 有不同的实时性能表现。
- 消融实验：通过消融实验，验证了各个改进模块对算法性能的影响。单独使用改进的 ELAN-C (a,b) 模块可提高检测精度；SimSPPFCSPC-R 模块在多尺度特征提取方面效果显著；MP-CBAM 模块有助于多尺度信息融合。各模块组合使用时，模型整体性能得到优化，mAP@0.5 达到 0.909，尽管 FPS 有所下降，但检测精度大幅提升。
- 主流算法对比：与多种主流算法比较，ESMS-YOLOv7 模型在精度指标上表现最优，在速度和模型复杂度上也达到了较好的平衡，适用于对精度要求高且计算资源有限的实时无人机检测场景。
综上所述，研究人员提出的 ESMS-YOLOv7 模型有效解决了低空复杂城市场景中小目标无人机检测的难题，通过优化网络结构和损失函数，显著提升了检测性能。不过，该模型也存在一些不足，如模型参数相对较大，实时检测性能相比 YOLOv7 略有下降，在更复杂场景下的检测能力还有待提高。未来的研究可朝着简化模型、降低参数数量、提高复杂场景检测性能和减少推理时间的方向展开。这一研究成果为无人机检测技术的发展提供了重要参考，有望推动民用反无人机技术的进一步发展，保障城市低空安全。
