面向无人机航拍图像小型密集目标检测的多尺度特征增强DETR框架

《Sensors》:Bridging the Scale Gap: A Multi-Scale Feature Enhancement Framework for UAV Aerial Image Object Detection

【字体: 大 中 小 】 时间:2026年09月16日 来源:Sensors 4.0

编辑推荐:

   摘要

  

摘要

无人机(UAV)影像作为遥感解译、智能交通、城市监控和灾害评估等应用的核心数据来源,其大规模尺度变化、密集目标分布以及复杂背景仍然给自动检测系统带来严峻挑战。基于Transformer的检测器虽然具有强大的全局建模能力,但现有实现仍存在多尺度特征交互不足、判别性表示较弱以及细粒度空间细节丢失等问题,这些问题共同限制了模型在小型目标和密集排列目标上的检测性能。本文提出了MSF-DETR,这是一种基于RT-DETR的多尺度特征增强框架,集成了四个协同组件:用于自适应跨尺度交互的增强特征连接(EFC)模块、用于频域判别性增强的特征通道注意力(FCA)模块、用于在Transformer编码器中保留空间细节的强化注意力反馈模块(RAFM),以及用于密集场景稳定监督的统一查询监督损失(UQSL)。在DIOR基准数据集上,MSF-DETR达到了86.3%的mAP50和64.4%的mAP50-95,相较于RT-DETR基线分别提升了2.8和2.6个百分点;在DOTA数据集上,其达到了77.2%的mAP50和48.8%的mAP50-95,分别提升了4.7和4.6个百分点。这些结果表明,联合协调多尺度融合、通道判别、空间细节保留以及查询级监督,而非简单堆叠独立模块,能够为无人机航拍图像中的小型和密集分布目标带来可衡量的鲁棒性提升。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号