面向无人机小目标的RTDETR改进检测算法

来源：计算机工程与应用杂志2024年第20期北京时间：

作者：胡佳乐, 周敏, 申飞

单位：武汉科技大学 机械自动化学院，武汉 430080

摘要：针对无人机目标检测中目标小且密集、背景复杂、硬件条件限制等挑战，提出一种改进的RTDETR检测器。在骨干网络，设计轻量级多尺度注意力特征提取模块（Rep-FasterNet EMA block），使用RepConv改进FasterNet block，同时引入多尺度注意力模块（EMA），增强空间特征提取能力并降低计算冗余。在Encoder部分，采用了DyASF特征融合结构替换CCFM，利用动态尺度序列特征融合（DySSFF）模块和三重特征编码器（TPE）模块，避免上下采样导致的小目标特征信息丢失，并丰富小目标检测详细信息，增强了网络尺度特征融合能力。对于损失函数，结合Focaler-IoU和Shape-IoU的优点，提出了Focaler-Shape-IoU替换原模型GIOU，注入边界框的形状和尺度信息，聚焦困难样本，增强边界框回归效果。实验结果表明，改进模型在Visdrone2019数据集上的mAP0.5和mAP0.5:0.95分别提升了1.6个百分点和0.7个百分点，同时权值文件大小有一定减少，验证了改进模型的有效性。

关键词：无人机遥感,小目标检测,RTDETR,多尺度注意力