一种检测精度提升而参数用量减半的无人机航拍微小目标检测算法

《Pattern Recognition Letters》：A drone aerial tiny-object detection algorithm with improved detection accuracy but halved parameter usage

　　摘要与作者信息本工作的主要发现与贡献：- SAM-DETR：基于 RT-DETR 构建的轻量级无人机航拍微小目标检测器。- SCFNet 将 CSPDarknet 与 MambaVision 融合，以线性成本获取全局上下文。- TSS-FFM 通过三维尺度—序列特征融合保留空间细节。- 掩膜生成式蒸馏（MGD）以零推理成本抑制背景噪声。- 在仅 1100 万参数的情况下，于 VisDrone2019 和 RSOD 上分别取得 50.4% 与 97.6% 的 mAP。节选片段代表性定量结果数据集 | mAP@0.5 | 参数量VisDrone2019 | 50.4% | 11.0 MRSOD | 97.6% | 11.0 M注：与主流检测器相比，参数量降低了近 50% 或更多；推理速度达 47.6 FPS，满足无人机实时检测需求。SAM-DETR 模型设计SAM-DETR 算法以 RT-DETR 目标检测网络作为基线架构。其跨尺度特征融合网络如图 1 所示。与 RT-DETR 算法相比，我们的 SAM-DETR 在三个方面进行了改进：一是骨干特征提取网络，二是跨尺度特征融合模块，三是知识蒸馏策略。图 1 中关键改进的特征融合节点以深色圆圈标出。数据集本研究使用两个公开数据集：RSOD [13] 和 VisDrone2019 [30]。RSOD 包含 976 张高分辨率图像，涵盖四个类别（飞机、油罐、立交桥、游乐场），共计 6,950 个实例，按 7:2:1 划分。VisDrone2019 由天津大学 AISKYEYE 团队构建，包含 10,209 张静态图像和 288 段视频序列，在中国 14 个城市、多种条件下拍摄，10 个类别下共有超过 260 万个边界框。其主要挑战包括尺度变化、大量小目标等。结论综上所述，我们提出了 SAM-DETR 以解决无人机影像中的特征丢失以及漏检/误检问题。SCFNet 引入 MambaVision 以缓解特征淹没问题，同时实现轻量化设计。TSS-FFM 克服了多尺度融合过程中的空间信息丢失问题。MGD 通过掩膜与重构机制，在不增加额外推理开销的情况下突破了精度瓶颈。实验结果表明，SAM-DETR 在紧凑架构与性能之间取得了良好平衡。作者贡献蔡西（Xi Cai）：数据整理（同等贡献）；调查研究（同等贡献）；方法论（同等贡献）；撰写原稿（同等贡献）。张燕超（Yanchao Zhang）：形式化分析（同等贡献）；基金获取（同等贡献）。赵沙沙（Shasha Zhao）：形式化分析（同等贡献）；监督指导（同等贡献）。张登英（Dengying Zhang）：基金获取（同等贡献）。唐先武（Xianwu Tang）：形式化分析（同等贡献）；监督指导（同等贡献）；审阅与编辑（同等贡献）。所有作者对稿件各版本进行了评阅。所有作者均已阅读并批准最终稿件。利益冲突无利益冲突需要声明。数据与代码可用性支持本研究发现的数据可在合理请求下向通讯作者获取。未引用参考文献[2, 7, 10, 14, 16, 19, 20, 23, 24]CRediT 作者贡献声明蔡西：撰写原稿、方法论。张燕超：数据整理。赵沙沙：研究构思。张登英：基金获取。唐先武：审阅与编辑。利益冲突声明作者声明不存在任何已知的可能影响本文所报告工作的竞争性经济利益或个人关系。致谢本工作得到江苏省学术学位与研究生教育改革项目（SJCX25-0309）以及国家自然科学基金（批准号：62471241）的共同资助。蔡西 | 张燕超 | 赵沙沙 | 张登英 | 唐先武