面向航拍图像小目标检测的尺度感知中继与尺度自适应损失
计算机视觉与模式识别
2025-11-14 v1 人工智能
摘要
近年来，尽管目标检测取得了显著进展，但现代检测器在检测航拍图像中的小目标时仍然存在困难。一个关键原因在于小目标携带的特征有限，这些特征在长距离网络传播过程中不可避免地会退化或丢失。另一个原因是，在训练过程中，较小的目标会不成比例地受到比大目标更大的回归惩罚。为了解决这些问题，我们针对小目标检测提出了尺度感知中继层（SARL）和尺度自适应损失（SAL），两者都能与性能最佳的框架无缝兼容。具体来说，SARL 采用跨尺度空间-通道注意力来逐步丰富每一层的有意义特征并加强跨层特征共享。SAL 重塑了基于 IoU 的原始损失，以便动态地为较大的目标分配较低的权重。该损失能够使训练聚焦于小目标，同时减少对大目标的影响。在三个基准（即 AI-TOD、DOTA-v2.0 和 VisDrone2019）上进行了大量实验，结果表明，当嵌入到 YOLOv5（基于锚点）和 YOLOx（无锚点）基线中时，所提出的方法将泛化能力提升了 5.5% 的平均精度（AP）。此外，在真实世界的噪声数据集（即 AI-TOD-v2.0）上，它也以 29.0% 的 AP 提升了鲁棒性能。
引用
@article{arxiv.2511.09891,
title = {Scale-Aware Relay and Scale-Adaptive Loss for Tiny Object Detection in Aerial Images},
author = {Jinfu Li and Yuqi Huang and Hong Song and Ting Wang and Jianghan Xia and Yucong Lin and Jingfan Fan and Jian Yang},
journal= {arXiv preprint arXiv:2511.09891},
year = {2025}
}