EFSI-DETR：面向无人机图像实时小目标检测的高效频率-语义集成
计算机视觉与模式识别
2026-05-26 v2
摘要
由于特征表示有限且多尺度融合无效，无人机（UAV）图像中的实时小目标检测仍然具有挑战性。现有方法未充分利用频率信息并依赖静态卷积操作，这限制了获取丰富特征表示的能力，并阻碍了深度语义特征的有效利用。为了解决这些问题，我们提出了 EFSI-DETR，一种将高效语义特征增强与动态频率-空间引导相结合的新型检测框架。EFSI-DETR 包含两个主要组件：(1) 动态频率-空间统一协同网络（DyFusNet），联合利用频率和空间线索进行鲁棒的多尺度特征融合；(2) 高效语义特征集中器（ESFC），以极低的计算成本实现深度语义提取。此外，采用细粒度特征保留（FFR）策略，在融合过程中纳入空间丰富的浅层特征以保留细粒度细节，这对于无人机图像中的小目标检测至关重要。在 VisDrone 和 CODrone 基准上的大量实验表明，我们的 EFSI-DETR 以实时效率实现了最先进的性能，在 VisDrone 上的 AP 和 AP 分别提升了 \textbf{1.6}\% 和 \textbf{5.8}\%，同时在单个 RTX 4090 GPU 上获得了 \textbf{188} FPS 的推理速度。
引用
@article{arxiv.2601.18597,
title = {EFSI-DETR: Efficient Frequency-Semantic Integration for Real-Time Small Object Detection in UAV Imagery},
author = {Yu Xia and Chang Liu and Tianqi Xiang and Zhigang Tu},
journal= {arXiv preprint arXiv:2601.18597},
year = {2026}
}