.png){kind=icon}
返回
Consistent and comprehensive scale aggregation network for drone-view small object detection
.png){kind=icon}
PRE
AI
DOI：10.1016/j.neunet.2025.108250.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在UAV场景下进行精确检测具有挑战性，这归因于两个不可忽视的因素：(1) 小尺寸物体缺乏足够的视觉线索，在特征提取过程中常导致信息损失；(2) 小尺寸物体的位置敏感性增加了预测边界框的优化难度。为解决这些问题，我们提出了一种一致且全面的尺度聚合网络（C2SANet）。为获取小尺寸物体的高质量特征表示，C2SANet开发了一种新型多尺度交互特征金字塔网络（MSI-FPN），该网络基于自顶向下的传播路径引入两个新组件：基于可变形的空域校准（DSC）和尺度特征增强（SFE）模块。具体而言，DSC利用相邻尺度特征间的像素空域信息调整上采样后的深层特征，增强语义传播的一致性。SFE首先统一所有尺度特征的空域尺寸，然后通过具有编码器-解码器结构的尺度交互块实现“收集与分配”全尺度信息，确保浅层特征能够补充全面的语义信息。此外，为提升小尺寸物体的定位预测精度，设计了一种具有几何感知调整的粗到精检测头（CFDH）以迭代优化预测框的质量。大量实验结果证明了C2SANet在提升小尺寸物体检测性能方面的有效性和泛化能力。
期刊
IF:
6.3
论文数:
8.3K
被引数:
3.0W
机构
引用论文
暂无论文信息