DGE-YOLO：用于精准无人机目标检测的双分支聚合与注意力机制
计算机视觉与模式识别
2026-01-06 v2
摘要
无人机的快速普及凸显了在多样化空中场景中鲁棒且高效目标检测的重要性。然而，在复杂条件下检测小目标仍是重大挑战。为此，我们提出DGE-YOLO，一个增强型 YOLO 检测框架，旨在有效融合多模态信息。我们引入双分支架构进行模态特定特征提取，使模型能够处理红外和可见图像。为进一步丰富语义表示，我们提出了高效多尺度注意力（EMA）机制，以跨尺度增强特征学习。此外，我们取代常规的颈部结构，引入聚合-分配（GD）模块以减轻特征聚合过程中的信息损失。在 Drone Vehicle 数据集上进行的大量实验表明，DGE-YOLO 在多模态无人机目标检测任务中实现了超越当前最佳方法的卓越性能，验证了其有效性。
引用
@article{arxiv.2506.23252,
title = {DGE-YOLO: Dual-Branch Gathering and Attention for Accurate UAV Object Detection},
author = {Kunwei Lv and Zhiren Xiao and Hang Ren and Ping Lan},
journal= {arXiv preprint arXiv:2506.23252},
year = {2026}
}
备注
5 pages, 5 figures