面向挑战性 UAV 图像的端到端检测变换器的高频语义与几何先验
计算机视觉与模式识别
2025-11-11 v3
摘要
无人机（UAV）图像中的目标检测面临小型、密集且被遮挡的目标在嘈杂背景中存在的根本性挑战。传统检测器依赖诸如预定义锚框和基于启发式的非最大抑制（NMS）等手工组件，在密集场景中已知存在性能瓶颈。即使是最新的端到端框架，也未针对这些特定的航空挑战进行针对性设计，导致仍存在显著的性能差距。为弥合这一差距，我们提出 HEDS-DETR，一个为航空场景量身定制的全息增强实时检测变换器。我们的框架包含三个关键创新。首先，我们提出一种新型的高频增强语义网络（HFESNet）作为主干网络，通过保留关键高频细节并具备稳健的语义上下文，实现高度判别性的特征。其次，我们的高效小目标金字塔（ESOP）通过高效融合高分辨率特征来抵消信息损失，显著提升小目标检测。最后，我们引入两个协同的组件：选择性查询重召集（SQR）和几何感知位置编码（GAPE），增强解码器的稳定性和定位精度。实验表明，在 VisDrone 数据集上，HEDS-DETR 相对于基线模型在 AP 上提升 3.8%，在 AP50 上提升 5.1%，同时参数减少 400 万，保持实时速度。这表明该方法在检测航空场景中稠密和小目标方面实现了高度具竞争力的精度-效率平衡。
引用
@article{arxiv.2507.00825,
title = {High-Frequency Semantics and Geometric Priors for End-to-End Detection Transformers in Challenging UAV Imagery},
author = {Hongxing Peng and Lide Chen and Hui Zhu and Yan Chen},
journal= {arXiv preprint arXiv:2507.00825},
year = {2025}
}
备注
12 pages, 9 figures