MBFE-DETR：多尺度边界特征增强下的无人机目标检测算法

来源：计算机工程与应用杂志2025年第17期北京时间：

作者：张晞, 赖惠成, 姜迪, 汤静雯, 高古学, 袁婷婷, 聂源

单位：1.新疆大学 计算机科学与技术学院，乌鲁木齐 830046；2.新疆大学 新疆维吾尔自治区信号检测与处理重点实验室，乌鲁木齐 830046；3.淮阴工学院 计算机与软件工程学院，江苏 淮安 223001

摘要：针对无人机视角下背景复杂、小目标比例较高且样本不平衡等问题，提出一种基于改进RT-DETR的无人机目标检测算法MBFE-DETR。设计一种基于C2f和单头自注意力模块的轻量化主干网络，降低模型参数量的同时提升网络的特征提取能力。提出多尺度边界特征增强协同网络MBFECN，通过其特有的多尺度边界特征增强机制和高效特征融合策略，解决了原模型在保持小目标边界细节方面的不足。引入Focaler-MPDIoU考虑框的位置匹配关系，同时通过线性区间映射重构原有IoU损失，使模型在复杂场景下的定位效果更好。针对样本不平衡的问题，采用新的分类损失函数ESVLoss，对分类损失值进行分段加权调整，并结合指数移动平均机制对权重进行动态平滑更新，使模型更具适应性。实验结果表明，在VisDrone2019-DET和DOTAv1.0数据集上，MBFE-DETR算法的mAP50分别提升3.9和2.9个百分点，同时参数量减少了21.6%。

关键词：无人机目标检测,RT-DETR,单头自注意力,边界特征增强