基于RT-DETR的无人机航拍图像小目标检测算法

来源：电子测量技术杂志2026年第6期北京时间：

作者：刘杰，李志文，张腾庆，谢明山

单位：贵州大学大数据与信息工程学院 贵阳 550025

摘要：随着无人机应用场景不断拓展，航拍图像中小目标检测成为计算机视觉领域的研究热点。针对小目标特征不明显、背景复杂导致误检和漏检，现有算法检测精度与实时性难以兼顾等问题，本研究提出了一种基于RT-DETR的航拍图像小目标检测算法FST-RTDETR来解决这些问题。首先，将FasterNet与EMA注意力机制结合，重新设计原有模块的Basic Block模块的结构，实现提高网络运行速度和视觉任务的准确性。其次，为了解决传统P2检测层添加后出现计算量过大、后处理更加耗时等问题，本研究基于原本的CCFM架构上提出使用P2特征层经过SPDConv得到富含小目标信息的特征给到P3进行融合，然后使用CSP思想和基于Omni-Kernel进行改进得到CSP-OmniKernel进行特征整合，有效地学习从全局到局部的特征表现，最终减少漏检率、误检率和提高小目标的检测性能。最后，为了使得模型简化损失函数计算过程、改进回归效率和精度以及拥有更全面的损失考虑，使用inner-MPDIoU替换原来的GIoU。改进后的算法在VisDrone2019数据集上的实验表明，FST-RTDETR模型实现了49.6%的mAP@50，相对于原来的RT-DETR模型提高了2.1%。FST-RTDETR模型显著提升了无人机图像的目标检测性能，提高了模型效率，对比其他算法表现出了良好的性能。

关键词：无人机检测;RT-DETR;小目标检测;FasterNet-EMA;SPDConv