基于无人机红外成像传感器的小目标检测网络

《IEEE Sensors Letters》：A Small Target Detection Network Based on Unmanned Aerial Vehicle Infrared Imaging Sensor

　　

摘要：

红外成像传感器由于其被动成像能力和在低光条件下的鲁棒性，在无人机图像中起着至关重要的作用。远处目标的小像素导致特征表示稀疏，这容易导致低检测率。本研究提出一种小目标检测网络，即 IST-RTDETR。设计了一种名为频率 Mamba 类线性注意力（FMLLA）的新型注意力机制，该机制能够详细捕获局部细节特征，并充分建模长距离的全局依赖关系，从而显著增强了网络在复杂背景下提取小目标关键信息的能力。提出了一种动态自适应特征融合模块（DAFF），以实现多尺度局部特征和全局特征的自适应融合，进一步增强网络的特征表达和融合效果，从而进一步提高整体检测性能。在 HIT-UAV 数据集上的实验结果表明，IST-RTDETR 的检测精度优于主流目标检测方法。与 RT-DETR 相比，IST-RTDETR 将 mAP₅₀ 和 mAP_s 分别提高了 1.5% 和 2.3%。该网络还在计算复杂度和检测精度之间实现了有效的平衡。