CollabOD：面向无人机小目标检测的协同多 Backbone 跨尺寸视觉
计算机视觉与模式识别
2026-03-09 v1
摘要
无人机（UAV）图像中的小目标检测具有挑战性，主要由于尺度变化、结构细节退化以及有限的计算资源。在高空场景中，细粒度特征在层次下采样和跨尺寸融合过程中进一步被削弱，导致局化不稳定且鲁棒性降低。为此，我们提出 CollabOD，一个轻量级协同检测框架，显式地在多尺度融合前保留结构细节并对异构特征流进行对齐。该框架集成了结构细节保留、跨路径特征对齐和局部化感知轻量化设计策略。从图像处理、通道结构和轻量化设计的角度，优化了常规 UAV 感知模型的网络结构。该设计在保持高效推理的同时增强了表征稳定性。统一的细节感知检测头进一步提高了回归鲁棒性，而不会引入额外的部署开销。代码已公开：https://github.com/Bai-Xuecheng/CollabOD。
引用
@article{arxiv.2603.05905,
title = {CollabOD: Collaborative Multi-Backbone with Cross-scale Vision for UAV Small Object Detection},
author = {Xuecheng Bai and Yuxiang Wang and Chuanzhi Xu and Boyu Hu and Kang Han and Ruijie Pan and Xiaowei Niu and Xiaotian Guan and Liqiang Fu and Pengfei Ye},
journal= {arXiv preprint arXiv:2603.05905},
year = {2026}
}