控制与决策

作者：陈志旺,肖迪创,吕昌昊,李思哲,彭勇

单位：燕山大学 智能控制系统与智能装备教育部工程研究中心，河北 秦皇岛 066004;燕山大学 河北省工业计算机控制工程重点实验室，河北 秦皇岛 066004,,燕山大学 智能控制系统与智能装备教育部工程研究中心，河北 秦皇岛 066004;燕山大学 河北省工业计算机控制工程重点实验室，河北 秦皇岛 066004,,燕山大学 河北省电力电子节能与传动控制重点实验室，河北 秦皇岛 066004,,燕山大学 智能控制系统与智能装备教育部工程研究中心，河北 秦皇岛 066004;燕山大学 河北省工业计算机控制工程重点实验室，河北 秦皇岛 066004,,燕山大学 电气工程学院，河北 秦皇岛 066004,

关键词：无人机航拍图像;目标检测;结构重参数化;多维特征自适应融合;高分辨特征增强

基金：国家自然科学基金项目(61573305)；河北省自然科学基金项目(F2022203038, F2019203511)；河北省级重点实验室绩效补助经费项目(22567612H).

无人机飞行高度的动态变化使得航拍图像中往往包含大量小目标, 同时目标尺度变化显著, 这些问题给目标检测任务带来了挑战. 针对上述问题, 提出一种基于多尺度融合和高分辨特征增强的无人机航拍目标检测方法. 首先, 在骨干网络中引入多尺度结构重参数化特征提取模块, 利用普通卷积块和结构重参数化的大核卷积块对多个分支进行不同尺度的卷积运算, 有效提取不同感受野下的特征信息; 然后, 在颈部网络中引入基于特征金字塔网络的多维特征自适应融合模块, 以优化其自下而上的特征聚合过程, 实现对浅层特征中的精细细节和深层特征中的上下文信息的自适应选择, 从而更有效地应对目标尺度显著变化; 最后, 在颈部网络中引入多尺度特征融合小目标增强模块, 以捕捉无人机航拍图像中小目标物体在不同尺度上的变化. 通过在VisDrone2019和TinyPerson两个公开数据集上进行大量的实验, 表明了所提出方法的有效性和优越性.

来源：2025年第7期

《控制与决策》期刊编辑部

查看控制与决策杂志2025年第7期