.png){kind=icon}
返回
FLKFormer: Frequency-Enhanced Large-Kernel Framework for Object Detection in UAV Imagery
.png){kind=icon}
OA
AI
DOI：10.3390/rs18111686.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
无人机目标检测仍具挑战性，由于存在尺度变化大、小目标密集、频繁遮挡和复杂背景干扰等问题。现有的基于CNN的检测器常受限于小目标表示能力弱，而基于Transformer的检测器可能无法充分保留密集空域场景中的局部细节。本文提出一种双路径检测框架，整合频域增强、大核卷积和基于Transformer的全局建模。引入快速傅里叶变换大核卷积（FFLKC）模块以增强高频细节并扩大有效感受野。设计一种带有全流程特征注意力（FPFA）的Transformer路径，以强化长距离依赖建模和语义表示。进一步采用频域-语义记忆引导的自适应融合（FMSAF）模块，整合局部细节特征和全局上下文信息。在UAVDT和VisDrone数据集上的实验表明，所提方法在主流检测器中实现了更优的整体检测性能和更强的小目标感知能力。该方法在UAVDT上达到58.7 AP和51.8 APS，在VisDrone上达到39.4 AP和30.5 APS。定性和定量结果验证了所提设计在复杂无人机背景下提升检测质量的有效性。
Keyword:
UAV object detection
small-object detection
frequency-domain enhancement
large-kernel convolution
Transformer
dual-path architecture
期刊
IF:
4.1
论文数:
7.3K
被引数:
15.1W
机构
引用论文
VisDrone-DET2021: The Vision Meets Drone Object detection Challenge ResultsVisDrone-DET2021: 视觉符合无人机目标检测挑战结果
PREAI
分享收藏Nikouei, M.; Chen, H.; Zhang, Y. Small object detection: A comprehensive survey. Pattern Recognit. 2025, 159, 110123. [Google Scholar] [CrossRef]Nikouei, M.; Chen, H.; Zhang, Y. 小目标检测：一项全面综述. 模式识别. 2025, 159, 110123. [Google Scholar] [CrossRef].png)
IF0
PREAI
分享收藏
分享收藏
查看更多内容