SFFNet：具有双域边缘增强的协同特征融合网络用于无人机图像目标检测
计算机视觉与模式识别
2026-04-06 v1 多媒体
摘要
无人机（UAV）图像中的目标检测仍然是一项极具挑战性的任务，主要由背景噪声的复杂性和目标尺度的失衡引起。传统方法难以有效将目标从复杂背景中分离出来，也无法充分利用图像中包含的丰富多尺度信息。为了解决这些问题，我们开发了一种专门针对无人机图像目标检测的协同特征融合网络（SFFNet），具有双域边缘增强。首先，设计了多尺度动态双域耦合（MDDC）模块。该组件在频域和空间域中运行双驱动边缘提取架构，能够有效将多尺度目标边缘从背景噪声中解耦。其次，为了进一步增强模型颈部在几何和语义信息方面的表示能力，提出了协同特征金字塔网络（SFPN）。SFPN利用线性可变形卷积来自适应地捕获不规则目标形状，并通过设计的宽域感知模块（WPM）在目标周围建立长程上下文关联。此外，为了适应各种应用或资源受限场景，设计了六种不同尺度的检测器（N/S/M/B/L/X）。在两个具有挑战性的航空数据集（VisDrone和UAVDT）上的实验证明了SFFNet-X的卓越性能，分别达到36.8 AP和20.6 AP。轻量级模型（N/S）也在检测精度和参数效率之间保持了平衡。代码将在https://github.com/CQNU-ZhangLab/SFFNet公开。
引用
@article{arxiv.2604.03176,
title = {SFFNet: Synergistic Feature Fusion Network With Dual-Domain Edge Enhancement for UAV Image Object Detection},
author = {Wenfeng Zhang and Jun Ni and Yue Meng and Xiaodong Pei and Wei Hu and Qibing Qin and Lei Huang},
journal= {arXiv preprint arXiv:2604.03176},
year = {2026}
}
备注
Accepted for publication in IEEE Transactions on Multimedia