MCFAD-YOLO：用于遥感图像中小目标检测的多尺度上下文感知特征聚合方法

《Digital Signal Processing》：MCFAD-YOLO: Multi-scale Context-Aware Feature Aggregation for Small Object Detection in Remote Sensing Images

　　

摘要

遥感图像中的小目标通常具有尺度小、分布密集以及背景复杂等特点。在连续下采样和多尺度特征融合过程中，关键信息容易丢失，给目标检测带来巨大挑战。为解决现有方法在小型目标特征表示与上下文建模方面的局限性，本文提出一种用于遥感小目标检测的多尺度上下文感知特征聚合网络（MCFAD-YOLO）。该方法通过多尺度上下文感知机制以及双路径特征聚合结构，提升了小目标的区分性特征表示能力。在多尺度特征传递过程中，它能有效整合局部细节特征与全局语义信息，从而减轻下采样和跨层融合带来的特征退化问题。此外，还引入了细粒度上下文融合检测头，以提高小目标在复杂背景和高密度场景下的定位与识别能力。实验结果表明，与主流YOLO系列模型相比，该策略在SIMD、VisDrone2019和RSOD数据集上均取得了更优异的检测性能。与基准模型YOLOv11-S相比，该方法在SIMD、VisDrone2019和RSOD数据集上的mAP⁵⁰值分别提升了2.1%、3.0%和0.4%，mAP^{50: 95}值则分别提升了1.4%、2.2%和1.1%，同时保持了合理的模型规模，证明了其在复杂航空摄影场景中的有效性及实用价值。代码地址如下：https://github.com/wbbjjj/MCFAD-yolo-main.

引言

随着卫星技术、无人机平台以及成像传感器的快速发展，光学遥感图像的空间分辨率不断提升，这使得地面上的车辆、飞机、船舶和建筑物等物体能够被更清晰地观测到。目标检测是遥感图像解译中的基础任务，为后续的目标分割[1]、场景描述[2]和目标跟踪[3]等视觉任务提供重要支持。因此，目标检测已被广泛应用于无人机侦察[4]、变化检测[5]、医学成像[6]和农业监测[7]等领域。

然而，遥感图像往往包含大量小目标、众多物体以及复杂的背景，这些因素都会干扰目标检测[8]。因此，传统的目标检测算法往往难以同时满足准确性和效率的要求[9]。在实际的遥感应用中，通常会采用多种成像模式，如光学成像和红外成像。不同成像模式下的小目标检测普遍面临尺度小、对比度低以及背景复杂等问题。因此，高效准确地检测遥感图像中的小目标已成为遥感图像处理领域的重要研究方向。

为应对这些挑战，一次性检测器系列的YOLO模型因其高精度和高效的推理速度，成为了遥感小目标检测的重要基础。近年来，许多研究致力于通过轻量级网络设计[10]、多尺度特征建模[11]以及上下文信息增强[12]来改进YOLO框架。其中一个重要的研究方向是通过使用轻量级骨干网络和高效的特征金字塔结构，提升多尺度特征利用的效率并降低模型复杂度。例如，AMFLW-YOLO[13]和MFEL-YOLO[4]分别通过深度可分离卷积、逆残差架构和多阶段特征增强，在无人机和遥感小目标场景中实现了良好的实时检测性能。同时，一些研究还引入了基于Transformer或全局建模机制的方法，以弥补卷积操作感受野有限的缺陷。例如，SwinT-YOLO[14]将Swin Transformer与卷积结构相结合，从而在控制计算成本的同时，提升高分辨率遥感图像的全局语义建模能力。这些研究表明，对YOLO框架进行结构优化有助于提升遥感小目标检测的性能。

在此基础上，研究人员进一步探索了多尺度特征融合与上下文建模技术。一方面，通过引入较大的卷积核、注意力机制以及改进的特征金字塔结构，增强了不同尺度特征之间的语义交互作用。代表性的方法包括LSKF-YOLO[15]、MFAE-YOLO[16]和Branch-YOLO[17]，它们分别提升了空间建模能力、全局上下文融合能力以及多级特征增强能力，进而提高了复杂背景下遥感小目标的区分度。另一方面，一些研究开始关注更丰富的上下文信息来源。例如，FFCA-YOLO[18]通过多级特征增强和自适应上下文注意力机制，提升了局部信息与全局信息之间的协同作用；而MROD-YOLO[19]则进一步利用多模态信息，减少了复杂场景中的漏检现象。总体而言，这些方法主要是通过引入多尺度特征金字塔、注意力机制以及轻量级结构来改进YOLO系列模型，从而提升遥感小目标的检测精度，并在一定程度上提高其在复杂背景下的鲁棒性。

尽管上述方法在多尺度特征融合与上下文建模方面取得了显著进展，但它们仍存在一些结构上的局限性。大多数方法依赖单路径特征金字塔，如特征金字塔网络（FPN）[20]、路径聚合网络（PAN）[21]或双向特征金字塔网络（BiFPN）[22]。自下而上的特征传递主要依靠卷积下采样实现，这导致难以同时保留精细的纹理信息与整体结构信息。因此，小目标特征会在多次下采样过程中逐渐减弱[23]。此外，模型的颈部和检测头通常采用简单的卷积堆叠或尺度解耦设计，这限制了不同尺度之间的上下文交互，也无法实现对高分辨率细节与大范围语义信息的协同建模[24]。另外，特征下采样与路径聚合常常被视为独立的流程，缺乏统一的自适应建模机制，从而导致在复杂背景和高密度小目标场景中出现频繁的漏检和定位不准确的问题[25]。为解决这些问题，我们提出了用于遥感小目标检测的多尺度上下文感知特征聚合网络——MCFAD-YOLO。与分别修改骨干网络、颈部和检测头的传统方法不同，MCFAD-YOLO旨在在整个特征传播过程中提升特征交互能力并更好地保留细节信息。其主要贡献如下：

• 1.
  在骨干网络中引入了选择性上下文增强C3k2模块（C3k2-SCEM），以增强上下文感知能力和多尺度特征表示能力，从而提高复杂遥感场景中小对象的区分度。
• 2.
  在颈部结构中加入了自适应门控双路径下采样机制（AGDDown），以减少自下而上特征聚合过程中的信息损失。该机制通过自适应平衡细节保留与语义保留功能，增强了跨尺度特征交互，保持了小目标特征的连贯性。
• 3.
  设计了轻量级的微小上下文融合感知检测头（TCFA-Head），用于为小目标预测提供精细的上下文线索。该检测头能够整合高分辨率的局部细节、目标周边关系以及大范围上下文先验信息，从而提升密集分布小目标的定位与分类精度。
• 4.
  在SIMD、VisDrone2019和RSOD数据集上的实验结果表明，MCFAD-YOLO在保持适度模型复杂度的同时，实现了更优异的检测精度；而额外的RSOD数据集实验则进一步验证了该方法的鲁棒性与泛化能力。

章节节选

YOLO在目标检测中的应用

随着深度学习的快速发展，目标检测器能够自适应地提取图像特征，并实现端到端的目标定位与分类。在此背景下，作为典型的一次性检测器，YOLO系列因其强大的多尺度特征建模能力和实时处理性能，被广泛应用于遥感目标检测任务中[26]。在遥感图像中，目标往往体积较小、分布密集，且位于复杂的背景之上，

概述

如图1所示，MCFAD-YOLO是一种基于YOLOv11-S[43]构建的多尺度上下文感知双流特征聚合网络，专为遥感图像中的小目标检测而设计。为应对遥感图像中常见的尺度差异大、细节丢失严重以及背景干扰复杂等问题，该模型在基准架构基础上进行了多项针对性改进。在骨干网络中，

结果与讨论

本节将详细介绍实验设置，并展示MCFAD-YOLO在遥感目标检测任务中的性能表现。为验证该方法的有效性，我们将其与其他主流YOLO模型在SIMD[45]、VisDrone2019[46]和RSOD[47]三个数据集上进行了对比。此外，还通过系统的消融实验分析了各创新模块的作用，包括对比了FPN-PAN、BiFPN等多种不同的颈部结构，

结论

本文提出了一种新型的目标检测方法——MCFAD-YOLO，用于解决遥感图像中存在的大尺度差异、目标分布不均以及背景干扰复杂等难题。通过强化多尺度特征表示并提升跨层特征融合能力，该方法能够在保留小目标详细信息的同时，有效整合高层语义信息，从而

利益冲突声明

作者声明不存在任何利益冲突。

王博健|冷成才|袁芳|闫华平|裴钊|彭金业

中国西安西北大学数学学院，710127