摘要
随着无人机平台在军事侦察、灾害监测、精准农业和其他遥感应用中的逐步普及，无人机图像中的小目标检测成为一项关键而具有挑战性的任务。现有的研究主要集中在无人机图像中的通用小目标检测或通用目标检测上，而专门针对无人机图像中小目标检测的研究仍然较少。本文从问题驱动和部署为导向的角度，系统回顾了基于深度学习的小目标检测相关研究。同时，本研究采用了一种基于对称性的分析方法，探讨了目标规模、拍摄视角、成像质量和场景条件变化对特征表示和检测稳定性的影响。针对无人机小目标检测中的五大主要挑战，构建了一个包含检测范式、关键技术策略和场景特定约束的三层框架。通过分析典型的无人机数据集，研究了目标规模的分布特征；并对现有方法在多尺度表示、特征增强、训练优化和轻量级部署方面的性能进行了评估。随后，在相对一致的实验条件下，对比了基于两阶段、单阶段和Transformer框架的检测模型在检测精度、计算效率和部署可行性方面的表现。最后，总结了当前研究在鲁棒性、适应场景能力和资源利用方面的不足之处，并指出了未来研究的方向。
