任务动态对齐的无人机目标检测网络

摘要

大多数无人机目标检测模型通过两个平行分支实现分类和定位，任务间缺乏交互导致预测存在空间错位，并且大尺寸模型不满足无人机场景快速检测的需求。针对上述问题，提出基于任务动态对齐的轻量级检测模型。首先，构建了任务动态对齐检测头，通过边框和类别对齐统一定位和分类的最佳锚点；接下来，设计了高效特征提取模块，减少模型推理时间；最后，构造了基于尺度的特征筛选金字塔网络，策略性地融合多尺度特征，并创建了数据集验证所提方法的泛化性。在VisDrone2019-test数据集的结果表明，与YOLOv8s相比，所提网络模型尺寸减少了43.1%，计算量减少了14.2%，平均精度mAP50提高了8.5%，在无人机航拍图像目标检测中取得了性能和资源消耗间的平衡。

关键词

目标检测 / 无人机航拍图像 / YOLOv8 / 任务动态对齐检测头 / 高效特征提取模块

基金资助

国家自然科学基金项目（62201454,62306235）; 西安市科学技术局社会发展创新示范项目（23SFSF0004）; 陕西省教育厅科学研究计划项目（23JK0670）