1毛文龙,陈艳彦,孙成明.跨层特征交互的多尺度无人机小目标检测算法J/OL.激光与光电子学进展,1-212026-08-12.https://link.cnki.net/urlid/31.1690.tn.20260622.1414.034.
1.研究目的
基于视觉的目标检测技术是无人机实现环境感知与智能决策的关键前提。但存在很多问题：
1.无人机航拍图像视角多为俯视、背景复杂、光照不均，且目标尺度随飞行高度变化；对于行人、车辆等 小目标而言，其在图像中往往仅占据几十甚至几个像素，占比小；目标尺度随飞行高度剧烈变化所导致的特征湮没、信息丢失和几何适应能力不足。
2.现有检测算法在处理无人机小目标时，浅层细节特征在逐层下采样中严重丢失，深层语义特征无法有效回补，导致小目标召回率低；多数方法仅关注注意力机制或特征金字塔的单一改进，忽略了对训练数据不均衡（小目标样本稀疏）、不规则尺度信息提取（几何形变、密集遮挡）以及检测精度与模型参数量之间失衡的综合考量；当前常规数据增强手段（如翻转、裁剪）难以生成足够多样化的航拍背景，模型易对特定场景过拟合，泛化能力受限。
论文提出以YOLOv11为基线，通过高效条件扩散增强网络、多尺度交叉频域混合注意力、跨层特征交互模块和多尺度可变形卷积模块四项协同设计，从数据扩充、特征提取、信息融合与几何建模四个维度形成全流程优化。
主要贡献在于
（1）本文提出了一种跨层特征交互的多尺度无人机小目标检测算法，解决了无人机小目标检测算法对目标几何形变、密集遮挡等复杂场景的适应能力不足等问题。
（2）设计高效条件扩散增强网络，用于生成多样化的航拍背景并与真实小目标实例融合，显著扩充训练数据多样性，缓解小目标样本稀疏及类别不均衡问题。设计多尺度交叉频域混合注意力，通过交叉频域融合实现通道注意力与空间注意力的协同增强，有效提升对小目标微弱特征和边缘细节的感知能力。
（3）设计跨层特征交互模块和多尺度可变形卷积模块，以建立非相邻层级间的直接连接，弥补特征金字塔的信息稀释缺陷；使采样点根据目标实际形态动态调整，解决密集遮挡场景下的特征混淆问题。
2. 创新点
模型整合了高效条件扩散增强网络、多尺度交叉频域混合注意力（Multi-scale Cross-Frequency Domain HybridAttention，MCDHA）、跨层特征交互模块（Cross-layer Feature Interaction Module，CFIM）与多尺度可变形卷积模块（Multi-scale Deformable Convolution Module，MDCM），形成从数据输入到特征提取、从信息融合到几何建模的全流程优化。
（1）高效条件扩散增强网络（ECDAN）：针对无人机小目标样本稀疏、背景单一的问题，该模块采用两阶段数据增强策略。第一阶段利用轻量级扩散模型（集成GroupNorm归一化、SiLU激活函数和跳跃连接，并显式注入噪声水平、类别标签、条件噪声和位置编码等条件信号）生成多样化且逼真的航拍背景；第二阶段将原始数据集中标注的真实小目标实例经随机仿射变换后粘贴至这些生成背景上，并自动生成对应的边界框标注。该设计既保留了真实目标实例的细节纹理，又通过背景的多样性丰富了上下文信息，有效缓解了模型对特定背景的过拟合和小样本类别不平衡问题。
（2）多尺度交叉频域混合注意力（MCDHA）：针对小目标边缘、纹理在空间域易被背景噪声掩盖，且尺度剧烈变化需要显式建模跨尺度频率信息的问题，该模块在通道注意力和空间注意力分支中并行引入了全局FFT（捕获整幅图像的宏观频率分布）与局部窗口FFT（提取微小目标的高频细节）。两类频域信息通过可学习权重进行自适应融合，使模块能根据输入图像特性动态调整对全局结构与局部细节的依赖程度。这种设计能直接在频率谱上将小目标的高频边缘与背景的低频杂波分离，使即便在空间域中肉眼难以辨别的目标也能在频域中获得显著响应。
（3）跨层特征交互模块（CFIM）：针对传统FPN+PAN仅支持相邻层级融合、非相邻层级间缺乏直接连接导致浅层细节在逐层传递中丢失的问题，该模块通过建立非相邻层级之间的直接跳跃连接，为信息流动开辟了高效路径。其具体实现为先利用全局池化和小卷积核提取不同尺度特征，再将提取后的多尺度特征拼接融合后分离，最后将分离后的不同特征分别与原特征进行元素乘法和加法操作，完成特征交互。该设计实现了浅层定位信息与深层语义信息的双向增强，从根本上缓解了因目标尺度过小导致的特征湮没问题。
（4）多尺度可变形卷积模块（MDCM）：针对无人机小目标姿态各异、形变丰富，传统固定网格卷积难以覆盖不规则目标，且尺度随高度剧烈变化的问题，该模块并行采用1×1、3×3、5×5、7×7四种不同尺寸的卷积核（均基于可变形卷积DCNv4），分别对应不同尺度的感受野，使采样点能够根据目标的实际形状和姿态自适应调整采样位置，精准聚焦于目标关键部位并避开背景杂波或遮挡物。在效率优化上，该模块采用通道压缩策略（先通过逐点卷积将通道数压缩至四分之一）降低并行分支计算开销，再通过残差连接和前馈网络增强特征表达，实现了高性能与轻量化的统一。
（论文原论述：）在效率与特征优化方面，MDCM采用了轻量化设计，确保高性能的同时满足无人机平 台的实时性要求。首先，输入特征经过LayerNorm归一化后，通过一个逐点卷积将通道数 压缩至原来的四分之一，大幅降低了后续四个并行可变形卷积分支的计算开销。每个分支的 DCNV4本身已经比标准卷积参数更少，而通道压缩进一步减少了冗余计算，使得多尺度并 行的额外成本控制在可接受范围内。其次，四个分支的输出在通道维度拼接后，再次经过一 个逐点卷积将通道数恢复至原始维度，并通过残差连接将模块输入与输出相加。这种残差结 构不仅保留了原始特征的完整性，避免了多分支融合可能带来的信息稀释，还通过短路连接 增强了梯度反传的顺畅性，降低了深层网络的训练难度。最后，末端再次使用LayerNorm 进行特征归一化，并接入前馈网络，通过两个全连接层和非线性激活进一步增强特征的表达 能力和非线性建模能力。
3.后续优化
（1）极端密集场景漏检问题：当前NMS后处理阈值对小目标不够友好，在密集遮挡场景下漏检率仍较高。后续可设计尺度自适应的NMS策略，根据目标尺寸动态调整抑制阈值，减少对小目标的误抑制。
（2）可变形卷积偏移发散问题：在相互遮挡区域，可变形卷积学习到的偏移量可能产生发散，导致采样点落入背景或无关区域。后续可引入偏移量正则化约束，限制偏移量的幅度和方向，确保采样点始终聚焦于目标区域内。
（3）极微小目标的物理信息下限问题：TinyPerson数据集上所有对比模型的mAP50%均未超过40%，印证了当目标有效像素少于一定阈值时，即使引入可变形卷积和频域注意力也无法从物理层面恢复丢失的细节信息。后续可考虑采用超高分辨率输入与切块训练机制（patch-based cropping），增加小目标的空间信息量，并采用对尺度不敏感的优化损失函数（如NWD或Shape-IoU）改善回归稳定性。
（4）生成-真实分布差异问题：扩散增强网络生成的背景与真实采集场景仍存在分布差异，影响增强数据的有效性。后续可设计更精细的扩散增强策略，通过局部生成与域适配（domain adaptation）缩小分布差异，并探索条件控制更精细的生成方式。
（5）跨域泛化与多模态扩展问题：当前仅在可见光数据集验证，夜间或恶劣天气下性能未知。后续可扩展至多模态融合以实现全气候检测，同时优化特征金字塔结构，在保持模型轻量化的前提下将绝对精度提升至更高水平。
（原文论述：）展望未来，本工作仍有若干方向值得深入探索。可以考虑引入超高分辨率输入与切块训 练机制，增加小目标的空间信息量；采用对尺度不敏感的优化损失函数，改善回归稳定性； 设计更精细的扩散数据增强策略，通过局部生成与域适配缩小生成-真实分布差异；优化特 征金字塔结构。这些措施有望在保持模型轻量化的前提下，将绝对精度提升至更高水平。