融合边缘增强和耦合注意力机制的远距离小目标检测模型

来源：计算机工程与应用杂志2026年第9期北京时间：

作者：尹诗雨, 杨奇鸿, 高光磊, 张慧杰, 杨东宽, 穆继亮, 丑修建

单位：中北大学 仪器与电子学院，太原 030051；

摘要：作为计算机视觉领域的一个重要研究方向，目标检测技术已在众多应用场景中得到广泛应用。然而，在远距离场景中面临低分辨率导致边缘特征模糊、表征难等挑战。因此，提出一种融合边缘增强和耦合注意力机制的远距离小目标检测模型（ECM）。构建自适应边缘信息增强模块（AEIE），通过自适应增强策略分离并突出边缘信息，并与语义特征互补融合，有效解决了目标边缘信息丢失问题。为增强模型对目标关键区域的特征响应，设计了耦合注意力机制（CAM），采用链式引导特征传递机制定向引导特征优化，实现判别性特征表征能力的渐进式提升。为强化小目标特征表征能力，提出了多尺度特征增强与融合方法（MFEF），最大程度上保留富含浅层-中层、中层-深层及浅层-深层的原始特征，将空间细节与语义信息充分融合，提升了模型对小目标识别效果。实验结果表明，ECM相较于基准RT-DETR，在VisDrone2019数据集上mAP50、AP和APS分别提高了3、2.3和2.4个百分点，在TinyPerson数据集上F1-Score提高了2.3个百分点，并且在与其他先进模型的对比中也展现出显著的优势。

关键词：远距离,小目标检测,边缘增强,耦合注意力

基金资助：国家自然科学基金（52375554）。