基于特征復用機制的航拍圖像小目標檢測算法

鄧天民，程鑫鑫，劉金鳳，張曦月

(重慶交通大學 交通運輸學院，重慶 400074)

無人機（unmanned aerial vehicle，UAV）航拍圖像相較于地面固定圖像具有部署靈活、拍攝視野廣的優(yōu)點.目前，基于深度學習的航拍圖像目標檢測方法分為2類.第1類是基于候選區(qū)域的目標檢測算法，基于這類算法許多學者提出了針對航拍圖像的目標檢測方法.例如：針對復雜環(huán)境下的航拍圖像密集小目標檢測問題，Zhang等[1]提出基于像素建議網絡（pixel proposal network，PPN）的特征提取Faster R-CNN，通過自上而下的方法將低分辨率強語義特征與高分辨率弱語義特征相結合，構建全面的語義特征圖，并使用雙曲池化減少激活映射過程中的特征信息丟失，最后，根據數據集的特征，使用數據聚類，自適應地生成建議框.Huang等[2]在Cascade R-CNN算法的基礎上，通過增加超類檢測、融合回歸置信度并修改損失函數，以提高目標檢測能力.另一種策略是單級目標檢測算法，基于此類算法Zhu等[3]提出TPH-YOLOv5算法，用Transformer檢測頭（TPH）代替原來的檢測頭，并通過增加一個額外的檢測頭，形成四尺度檢測頭，在航拍圖像的高密度場景中準確定位目標，同時加入卷積注意力模塊來搜尋密集場景下的注意力區(qū)域.Liu等[4]提出用于航空圖像的輕型目標檢測網絡YOLOUAVlite，通過構建新的輕量級骨干網絡來改進特征提取能力并減小模型大小，優(yōu)化特征金字塔模型，減少特征圖融合過程中的信息損失并降低模型權重，對定位損失函數修正，提高定位精度與邊界框回歸率.

為了在移動設備和嵌入式設備上進行高效計算機視覺任務，許多學者做出相應的研究.Howard等[5]在MobileNetV1中將標準卷積分解為深度可分離卷積（depthwise convolution，DWconv）和逐點卷積（pointwise convolution，PWconv），該模型大幅度減少了操作和參數量.ShuffleNetV1[6]在深度可分離卷積的基礎上增加了分組卷積和通道混洗模塊，計算量和檢測時間都優(yōu)于Mobile-NetV1的.ShuffleNetV2[7]提出設計輕量級網絡的4個原則，并引入信道分割，拆分結構將Add操作替換為Concat操作，從而減少模型參數量.PPPicoDet[8]在輕量級網絡ShuffleNetV2的基礎上改進了網絡結構，并提出以ESNet（enhanced Shuffle-Net）作為主干網絡，其性能優(yōu)于ShuffleNetV2主干網絡.在本研究中，對ESNet網絡基礎模塊進行改進，設計輕量化高效主干網絡FS（function ShuffleNet），來提高航拍圖像的目標檢測效率.

大視場下的航拍圖像目標分布稀疏不均，會增加搜索成本.航拍圖像中待檢測目標小、背景復雜、尺度差異大且密集排列，通用目標檢測方法難以獲得理想效果.UAV平臺的計算資源是有限的，航空圖像目標檢測的應用場景有實時性和輕量化的要求.基于上述局限性，綜合考慮航拍目標檢測視角、檢測精度和模型復雜度等問題，提出FS-YOLO（functional ShuffleNet YOLO）航拍圖像輕量級檢測方法，設計輕量化網絡FS替換基準主干網絡，降低頸部和頭部的特征通道維數，引入內容感知特征重組模塊（content-aware reassembly of features，CARAFE）[9]來替代基準模型中最近鄰插值上采樣.主要在以下2個方面展開研究：1）通過輕量化設計減小檢測模型的尺寸；2）通過采用特征復用的方法利用冗余特征信息，提高小目標的檢測精度.

1 FS-YOLO

1.1 整體結構

YOLOv8算法[10]是ultralytics公司提出的端到端無錨框通用目標檢測網絡.它建立在YOLOv5版本[11]的成功基礎上，基于快速、準確和易于使用的理念設計，引入新的功能和改進.其中，頭部改進較大，引入新的無錨框解耦頭結構，避免錨框的超參數問題，同時引入新的損失函數來提升性能；主干結構與頸部改動較小，將C3結構換成了梯度更豐富的C2f結構，實現(xiàn)了網絡的進一步輕量化.該網絡檢測精度高，結構靈活，注重速度、尺寸和準確性之間的平衡，是典型的無錨框目標檢測網絡.為了應對航拍圖像環(huán)境的復雜多變及模型規(guī)模在無人機應用上的限制，須對特征提取和表示能力進一步提升，并進一步降低模型復雜度，因此選擇YOLOv8s作為本研究航拍圖像檢測算法的基礎網絡進行改進.

所提出的無人機航拍圖像輕量級檢測算法FS-YOLO，其核心思想如下：在降低模型復雜度的同時，對冗余特征信息進行高效復用，實現(xiàn)更高的航拍圖像目標檢測效率，增強航拍圖像目標檢測實時檢測性能.FS-YOLO算法的整體結構圖如圖1所示.首先，提出輕量高效主干網絡結構FS，替換基準模型中的主干網絡，主干網絡FS由多組FS瓶頸層（FS Bottleneck）堆疊而成，包含2種FS Block模塊，F(xiàn)S Block_1模塊進行特征提取操作，通道數不變，F(xiàn)S Block_2模塊利用stride=2的深度可分離卷積進行下采樣操作，通道數增加.FS Block模塊是在ESNet網絡的基礎模塊上改進而得，能夠在較少參數量下產生更多特征圖，具有更高的效率，能有效提升網絡的學習能力.為了與FS輕量化主干網絡相匹配，須對通道維數進行相應的調整[12]，將主干結構末端和檢測頭大尺寸分支的特征通道維數由512降低至256.最后，在頸部上采樣操作中引入能夠更好地傳輸語義信息的內容感知特征重組模塊CARAFE模塊來替代基準模型中最近鄰插值上采樣方式，實現(xiàn)對特征融合上采樣過程中高層語義信息傳輸增益.FS-YOLO算法的參數細節(jié)如表1所示.表中，c1表示輸入通道數，c2表示輸出通道數，Size表示特征圖尺寸，P表示模塊參數量.

表1 FS-YOLO算法的參數細節(jié)Tab.1 Parameter details of FS-YOLO algorithm

圖1 基于FS-YOLO的航拍圖像輕量級檢測算法整體結構Fig.1 Overall structure of aerial image lightweight detection algorithm based on FS-YOLO

1.2 輕量化高效主干網絡FS結構

ESNet是在ShuffleNetV2的基礎上引入SE模塊[13]和GhostNet[14]中的Ghost模塊，并新增深度可分離卷積，對不同通道信息進行融合來提升模型精度.ESNet在常規(guī)物體分類和檢測方面實現(xiàn)了在精度、速度上的提升，然而，為了適應航拍圖像中復雜多變的檢測環(huán)境，須進一步提高特征提取和表示能力，為此本研究提出改進的FS主干網絡.FS主干網絡的結構如圖2所示，在FS Block_1的開頭添 加通道分割模塊，輸入特征映射被分割為2個分支，每個分支的通道數是原來的一半.與標準卷積相比，幽靈卷積模塊Ghost的參數更小，計算量更少，生成的特征圖更多，從而減少了權值參數.坐標注意力模塊（CoordAttention，CA）[15]能較好地權衡網絡信道與空間特征之間的表達，獲得更好的特征.在逐點卷積后，2個分支連接起來.當stride=2時，將輸入特征圖發(fā)送到2個分支進行卷積，特征圖大小變成初始輸入特征圖的一半，特征拼接后通過T型特征感知卷積模塊（Tshaped feature perception convolution，TFPC）對特征進行加權組合.最終輸出特征映射的通道數量是初始輸入特征映射的2倍.

圖2 FS瓶頸層的2種結構Fig.2 Two structures of FS bottleneck layer

1.2.1 T型特征感知卷積TFPC模塊 在特征提取過程中，雖然深度可分離卷積DWconv（通常后跟逐點卷積PWconv）可以有效地減少模型復雜度，但無法在深度上對豐富的上下文信息充分利用，會導致較大的精度下降.為了有效利用不同通道的特征空間信息，設計T型特征感知卷積模塊TFPC，通過局部卷積（partial convolution，PConv）[16]級聯(lián)逐點卷積PWconv的方式來加權組合提取特征.TFPC的特征感知過程如圖3所示.

圖3 T型特征感知卷積模塊Fig.3 T-shaped feature perception convolution module

假定T型特征感知卷積模塊TFPC的輸入特征圖為I=[x1,x2,···,xn]∈RC×H×W，通過split切片操作將輸入的特征空間I的通道分為2個部分，切片后的通道數分別為CP和(C-CP)，對特征空間X1進行卷積操作提取空間特征，保持X2的特征恒等變換，將卷積輸出與未接觸的特征映射進行Concat操作連接起來，經過批歸一化后輸入逐點卷積PWconv進行加權組合，最后通過批歸一化和 h_swish激活函數得到輸出特征圖I′∈RC×H×W：

T型特征感知卷積模塊以簡單而有效的方式充分利用特征圖在不同通道之間的相似特性，優(yōu)化特征提取過程中的計算冗余和更多內存訪問的情況.PConv通過通道分割對部分輸入通道進行卷積提取空間特征，保持其余的通道特征恒等變化，而并非簡單刪除其余通道中特征信息，這些特性信息在后續(xù)的PWconv層中作用，該層允許特征信息在所有通道中流動，將這些特征圖在深度方向上進行加權組合成新的特征圖.局部卷積PConv與逐點卷積PWconv的組合在輸入特征圖上的有效接受野看起來像T型的結構，組合結構與常規(guī)卷積操作類似，可用來提取特征，并且相比于常規(guī)卷積操作，其參數量和運算成本較低，更關注中心位置.

1.2.2 坐標注意力CA模塊 通道注意力可以提高網絡對關鍵信息的關注度，減少冗余信息的干擾，但忽略了位置信息，而位置信息對于生成空間選擇性特征圖非常重要.航拍圖像檢測目標中包含大量小目標，而隨著網絡的不斷深入，卷積操作極易使小目標的特征信息被淹沒，因此引入坐標注意力模塊CA來替換ESNet主干網絡中的通道注意力SE，使得模型對小目標及尺度變化大的目標具有更好的特征提取效果.

坐標注意力模塊CA有2個主要步驟：坐標信息嵌入和坐標注意力生成，具體結構如圖4所示.該模塊優(yōu)化了通道注意力使用全局池化導致的位置信息丟失問題，并且可以在增加感受野的同時避免大量計算開銷.對于輸入特征圖M∈RC×H×W,使用大小為 (H,1) 和 (1,W) 的池化核分別沿水平和垂直方向進行一維的特征編碼，增強每個通道的水平和垂直特征，高度為h與寬度為w的第c通道的輸出公式分別如下：

圖4 坐標注意力模塊結構Fig.4 Coordinate attention module structure

式中：δ 為sigmoid激活函數.

1.2.3 幽靈卷積模塊 在深度學習網絡模型中，特征圖的學習對于模型精度的提升至關重要,特征圖通過堆疊卷積層可以捕獲豐富的特征信息，但往往會產生大量冗余信息，雖然該操作確保了網絡對數據有更全面的理解，但它需要大量的卷積層計算，這增加了計算量和模型參數量.因此，幽靈卷積Ghost通過常規(guī)卷積操作提取豐富的特征信息，而對于冗余的特征信息，則利用更價廉的線性變換操作來生成，最終將不同的特征圖Concat組合成新的輸出，且輸出的大小和傳統(tǒng)卷積的輸出大小一致,有效地降低模型所需的計算資源，幽靈卷積模塊結構如圖5所示.假定幽靈卷積模塊的輸入特征空間為X=[x1,x2,x3,···,xc]∈RC×H×W，其中C表示該輸入特征的通道數，H×W表示輸入特征的尺度大小.與常規(guī)卷積相比，首先，幽靈卷積采用尺寸為3×3的卷積核進行常規(guī)卷積操作得到特征通道較少的本征特征圖(intrinsic feature maps)X1=[x1,x2,x3,···,x0.5m]∈R0.5×M×H×W，然后將X′中每一個通道的特征圖xi用線性操作 Ψi來產生Ghost幽靈特征圖，最后使用Concat操作將本征特征圖與幽靈特征圖特征拼接起來得到輸出特征圖為X′,X′=[x1，x2，x3,···,xm]∈RM×H×W.表達式如下：

圖5 幽靈卷積模塊結構Fig.5 Ghost convolution module structure

式中：Ψi(xi) 表示X1中每一個通道的特征圖xi用線性操作 Ψi進行特征映射，線性操作 Ψi采用卷積核為5×5的卷積深度可分離卷積DWconv來實現(xiàn).本研究主要對幽靈卷積中常規(guī)卷積與線性操作中的卷積核尺寸大小進行調整.

1.3 內容感知特征重組模塊

大多數網絡使用經典的最近鄰或者雙線性插值來實現(xiàn)特征上采樣，但這2種方式只考慮局部亞像素區(qū)域的領域像素，忽略全局內容信息，導致它們無法有效捕捉密集檢測任務中必需的語義信息，這將導致航拍圖像中密集分布且特征微小的目標在空間上存在信息損失風險，從而可能導致漏檢增多.為了解決這一問題，在路徑聚合網絡（path aggregation network,PANet）上采樣特征融合分支中使用內容感知特征重組模塊來實現(xiàn)內容感知層面上的特征重組上采樣，該模塊具有較大的感受野與輕量化的特性，在引入少量參數的情況下可以更好地利用感知特征圖中顯著語義信息，增強對小目標特征的關注，提高特征傳輸效益.內容感知重組模塊CARAFE的實現(xiàn)方式如圖6所示.

圖6 內容感知特征重組模塊Fig.6 Module of content-aware feature reassembly

假定內容感知特征重組模塊CARAFE的輸入特征圖X∈RC×H×W，上采樣 比例為σ，σ 為整數，CARAFE將生成尺寸為C×σH×σW的新特征圖X′.該過程包括特征內容預測和特征重組2個步驟，第1步是根據每個目標位置的內容預測一個重組核，第2步是用預測的內核對特征進行重組.

特征內容預測首先對輸入特征圖進行通道壓縮，用1×1的卷積將它的通道數壓縮到Cm，操作的目的是減少后續(xù)步驟的參數和計算成本，提高CARAFE效率.其次進行內容編碼，對于第1步中壓縮后的輸入特征圖，利用一個k×k的卷積層來預測上采樣核，輸入、輸出通道數分別為Cm、σ2×k2，然后將通道維在空間維展開，得到形狀為σH×σW×k2的上采樣核，最后核歸一化，使得卷積核權重和為1，最終產生自適應特征重組核Wl.上述過程可以表示為

式中：fcompressor(·) 表示通 道壓縮操作，fencode(·)表示內容編碼操作，softmax 表示核歸一化操作.

特征重組過程則是對于輸出特征圖中的每個位置，將其映射回輸入特征圖，取出以l=(i,j) 為中心的k×k區(qū)域N(Xl，k)，和預測出的該點的上采樣核作逐像素相乘，得到輸出值.同一空間位置的不同特征圖通道共享一個上采樣核.特征重組的輸出計算公式為

2 實驗結果與分析

2.1 數據集

實驗數據采用由中國天津大學發(fā)布的Vis-Drone數據集[17]，數據由不同型號的無人機在不同場景以及各種天氣和光照情況下收集，共有圖片8 599張，訓練集、驗證集、測試集分別包含6 471、548、1 580張圖片，圖片像素尺寸為2 000×1 500，包括行人、人、自行車、汽車、面包車、卡車、三輪車、遮陽蓬三輪車、巴士及摩托車共10個類別.

2.2 實驗環(huán)境及參數設置

所使用的硬件配置如下：處理器為Inter core i5 12400F，內存為32 G，顯卡為NVIDIA GeForce RTX3060，顯存為12 G，采用CUDA 11.7、CUDNN v8.6.0作為顯卡加速庫.軟件環(huán)境采用Pytorch深度學習框架，操作系統(tǒng)為Windows11.訓練設置采用隨機梯度下降法（stochastic gradient descent,SGD），初始學習率為0.01，權重衰退為0.000 5，動量為0.937，輸入圖片大小固定為640×640像素，batch size設置為2，迭代次數為150次，在最后10次迭代關閉馬賽克數據增強，在網絡的訓練過程中加入早停機制以防止過擬合，早停的等待輪數patience設置成50.

為了評估本實驗所提算法的有效性，選用模型規(guī)模M和參數數量P以及每秒傳輸速度F來衡量模型的復雜程度和檢測速度.同時，采用IoU閾值為0.5時所有目標類別的平均均值精度mAP0.5、IoU閾值0.50～0.95（步長為0.05）的10個閾值下的檢測精度的平均值mAP0.5:0.95以及召回率R來綜合評估模型的性能，采用平均精度AP來評價模型對單個目標類別的檢測性能.

2.3 消融實驗結果與分析

為了驗證T型特征感知卷積模塊TFPC、坐標注意力模塊CA、幽靈卷積模塊Ghost對FS主干網絡的貢獻，在Visdrone數據集上進行9組消融實驗，實驗對比結果如表2所示.表中，Case（a）表示使用ESNet主干網絡替換YOLOv8s主干網絡，Case（b）、（c）、（d）表示在Case（a）的基礎上分別引入TFPC模塊、CA模塊、Ghost模塊，Case（e）、（f）表示在Case（b）的基礎上分別引入CA模塊、Ghost模塊，Case（g）表示在Case（c）的基礎上引入Ghost模塊，Case（h）是完整的FS主干網絡.如表2所示，由Case（a）到Case（b），使用T型特征感知卷積模塊TFPC改進ESNet模塊，mAP0.5從45.2%提升到45.9%，mAP0.5:0.95從27.5%提升到28.1%，R從43.3%提升到43.4%，算法模型的參數量和模型規(guī)模只增加了0.42 M和1.6 M，速度下降可以忽略不計，T型特征感知卷積模塊TFPC可以在增加有限的模型復雜度情況下，改善模型的特征提取與表達能力，提高航拍圖像檢測的精度.由Case（a）到Case（c），在引入坐標注意力模塊CA后，mAP0.5從45.2 %提升到45.4 %，R從43.3 %提升到43.7 %，模型的參數量沒有變化，檢測速度略有下降，坐標注意力模塊用于改善模型的特征表達能力，增強模型對小目標及尺度變化大的目標的重點位置特征的關注度.值得一提的是Case（a）到Case（d），在引入改進的Ghost模塊后，mAP0.5下降了0.1%，但是Case（g）、（h）引入改進的Ghost模塊，相較于Case（c）、（e），mAP0.5分別上漲了0.3%和0.1%，主要是因為本研究對Ghost的中常規(guī)卷積與線性操作中的卷積核尺寸大小進行調整，該模塊擁有了更大的感受野，使得后續(xù)的坐標注意力模塊CA能夠更好地捕捉目標物體的特征.總的來說，TFPC模塊、CA模塊和改進的Ghost模塊可以有效提高網絡的性能和表達能力，F(xiàn)S主干網絡比基準網絡提升了5.3%的mAP0.5，并且mAP0.5:0.95與召回率分別上漲了3.7%、5.2%，模型參數量降低了52.6%.

表2 主干網絡消融實驗的檢測性能結果對比Tab.2 Comparison of detection performance results of Backbone ablation experiment

在引入FS主干網絡的基礎上，進行消融實驗驗證在特征融合上采樣過程中，CARAFE模塊放置在不同位置時對網絡的貢獻，結果如表3所示.CARAFE(a)表示在表1中的第9層單獨引入一個內容感知特征重組模塊替換最近鄰上采樣.CARAFE(b)表示在第12層，引入一個內容感知特征重組模塊，mAP0.5提升了0.3 %.CARAFE(c)表示同時引入2個內容感知特征重組模塊，在引入內容感知特征重組模塊后，mAP0.5從46.2%提升到47.0%，mAP0.5:0.95從28.3%提升到28.8%，召回率R從44.5%到47.7%，由此可知，同時引入2個內容感知特征重組模塊的效果更優(yōu)，雖然模型參數量增加了0.21 M，但是在小幅增加成本的情況下，檢測速度仍然達到68.0 幀/s，滿足實時性要求.

表3 頸部消融實驗的檢測性能結果對比Tab.3 Comparison of detection performance results of neck ablation experiment

2.4 對比實驗

為了進一步驗證FS-YOLO算法在航拍圖像各類目標檢測中的性能，在保證算法的訓練環(huán)境和數據集相同的條件下，在VisDrone數據集上與其他先進的航拍圖像檢測算法進行比較分析.如表4所示為VisDrone數據集上10類目標在各種先進算法上的AP、mAP以及每種算法的參數量.可以看出，對比其他算法，F(xiàn)S-YOLO算法在人、汽車、面包車、摩托車等目標類別的檢測性能方面表現(xiàn)最優(yōu)，AP分別為43.6%、85.0%、51.4%和54.9%.對于行人、卡車、三輪車、巴士等橫縱較大且實例個數較少的類別，該算法同樣表現(xiàn)出不錯的檢測性能，AP分別為53.1%、41.3%、35.3%和66.0%，較優(yōu).這說明該算法在各種目標場景下都有著相當不錯的檢測表現(xiàn).FS-YOLO航拍圖像檢測算法不僅在各類目標檢測性能上超越了其他算法，還成功減小了模型參數量.值得一提的是，F(xiàn)SYOLO算法的參數量只有5.48 M，在mAP0.5檢測精度上超過了參數量為43.69 M的YOLOv8l算法.所提出的FS-YOLO算法在處理航拍圖像目標檢測任務時能夠發(fā)揮出較大優(yōu)勢，特別在目標實例數量較少的情形下，該算法可以充分利用目標實例的冗余特征信息.因此，相比其他算法，F(xiàn)SYOLO算法在這種情況下的表現(xiàn)更加出色.

表4 不同算法在VisDrone數據集上的平均精度和參數量對比結果Tab.4 Comparative results of different algorithms in average precision and parameters on VisDrone dataset

2.5 可視化分析

為了充分驗證FS-YOLO算法在不同圖像場景中的適用性，還從VisDrone數據集中挑選了一些具有光線變化、高空視野、夜間環(huán)境、密集遮擋等復雜場景以及暗光密集極端場景的航拍圖像樣本進行測試，檢測結果如圖7所示，由樣例（a）、（b）對比分析，在光線明暗變化較大的場景下，F(xiàn)S-YOLO模型相較于基準模型具有更好的魯棒性.通過樣例（c）、（d）對比分析，高空視野下FS-YOLO模型的整體檢測率高于基準算法，能夠更加關注目標的中心位置，抑制背景噪聲信息干擾并保留對目標決策更具重要性的特征信息，在背景的復雜航拍視角場景中表現(xiàn)出更好的目標檢測能力.通過樣例（e）、（f）對比分析，在夜間環(huán)境中FSYOLO算法相較于基準算法的漏檢率更低，可以在高重疊的對象簇中更準確地檢測到實際對象，特別是在遠距離視圖下，依然可以正確檢測到更多的汽車.通過樣例（g）、（h）對比可以看出，F(xiàn)SYOLO可以在密集遮擋的場景下，準確檢測出遠視距下的行人小目標.通過樣例（i）、（j）可以看出，在暗光并且小目標密集的場景中，相較于基準算法，F(xiàn)S-YOLO對摩托車、行人小目標有著更高的檢測準確率.總的來說，F(xiàn)S-YOLO模型在復雜場景特別是遠視距下檢測性能有著較大的提升.

圖7 VisDrone數據集上的復雜場景目標檢測效果對比Fig.7 Comparison of target detection effectiveness in complex scenes on VisDrone Dataset

2.6 泛化性實驗

采用由西北工業(yè)大學于2019年發(fā)布的DIOR遙感數據集（http://www.escience.cn/people/gongcheng/DIOR.html）進行泛化性對比驗證，以全面驗證本研究方法的有效性和魯棒性.該數據集是大規(guī)模公開可用的光學遙感圖像數據集，包含各種成像條件、氣候下的圖像.圖像的像素尺寸為800×800，涵蓋了20個目標類別，包含23 463張圖像，共計192 472個實例，數據集具有尺度差異性大和背景復雜的特點，適合用來進行泛化性實驗驗證本研究算法的有效性和泛化能力.遵循DIOR數據集官方提供的數據劃分建議，訓練集、驗證集、測試集中圖片數目分別為5 862、5 863、11 738張，并按照默認設置使用FS-YOLO網絡在該數據集上進行了150個輪次的模型訓練.

實驗結果如表5所示，在航拍數據集DIOR上，所提出的FS-YOLO模型相對于YOLOv8s模型，在檢測精度上取得了2.1%的提升，達到了74.3%，明顯優(yōu)于基于兩階段算法的Faster R-CNN.通過圖8中展示的部分DIOR數據集檢測實例分析可得，所提出的模型在漏報率和密集目標檢測精確率上優(yōu)于YOLOv8s模型.實驗表明，本研究算法在處理小目標眾多、密集遮擋以及尺度差異大的數據集時具有不錯的魯棒性和泛化能力.

表5 不同算法在DIOR數據集上的對比結果Tab.5 Comparison results of different algorithms on DIOR dataset

圖8 DIOR數據集上的檢測效果對比Fig.8 Comparison of detection effects on DIOR data set

3 結語

提出輕量高效航拍圖像檢測算法FS-YOLO.在特征提取方面，提出改進的輕量化特征提取網絡FS，在FS基礎模塊中加入T型特征感知卷積，提高對待測目標中心位置的感知，引入坐標注意力模塊，優(yōu)化檢測網絡對目標區(qū)域定位與識別的精準性.在特征融合方面，引入內容感知特征重組模塊替換原本的最近鄰上采樣，該模塊在上采樣時具有更大的感受野，增強了網絡對周圍相關語義信息的特征感知同時優(yōu)化了上下文語義信息之間的聯(lián)系，從而增強了小目標的細節(jié)特征信息的表征能力.在VisDrone數據集上進行實驗，結果表明，在模型參數量僅為5.48 M的情況下，mAP0.5達到了47.0%，比基準算法YOLOv8s的參數量降低了50.7%，精度提升了6.1%；FS-YOLO對航拍圖像有較好的整體檢測效果，在DIOR數據集上的泛化性實驗表明，其精度相較于YOLOv8s提升了2.1%，驗證了FS-YOLO模型的有效性，能較好地應對無人機圖像目標檢測任務.

FS-YOLO的檢測效果在目標像素點個數極少、特征不明顯且背景復雜的極端情況下仍有改進空間.未來研究可以從2個方面展開：一方面，考慮到航拍圖像中目標角度多樣性的特點，通過引入多模態(tài)數據融合的方法，利用不同模態(tài)之間的互補信息來優(yōu)化檢測算法，以進一步提高航拍圖像的檢測精度；另一方面，通過采用模型剪枝或者知識蒸餾的方式，著手研究如何提升檢測速度，以滿足無人機平臺算力有限的情況下實際測試部署的需求.