基于空间拉普拉斯金字塔注意力和多尺度特征增强的航空图像小目标检测模型
计算机视觉与模式识别
2026-02-27 v1
摘要
在航空图像中检测目标面临诸多挑战，包括目标尺寸小、目标在高分辨率图像中的稠密且非均匀分布，这使得检测效率低下。因此，本文提出了一种基于空间拉普拉斯金字塔注意力和多尺度特征增强的小目标检测算法。首先，为了提高 ResNet-50 在小目标上的特征表示，本文提出了一种新型空间拉普拉斯金字塔注意力 (SLPA) 模块，将其集成到 ResNet-50 的每个阶段后，以识别和强调重要的局部区域。其次，为增强模型的语义理解和特征表示，本文设计了多尺度特征增强模块 (MSFEM)，将其集成到 C5 层的横向连接中，用于构建特征金字塔网络 (FPN)。最后，由于当上下层特征在融合时未对齐，传统特征金字塔网络的特征表示质量将受到影响。为处理此问题，我们利用可变形卷积对上下层特征在融合过程中进行对齐，这有助于增强模型检测和识别小目标的能力。在两个基准数据集上进行的大量实验结果表明，我们的改进模型在航空图像上的小目标检测性能优于原始算法。
引用
@article{arxiv.2602.23031,
title = {Small Object Detection Model with Spatial Laplacian Pyramid Attention and Multi-Scale Features Enhancement in Aerial Images},
author = {Zhangjian Ji and Huijia Yan and Shaotong Qiao and Kai Feng and Wei Wei},
journal= {arXiv preprint arXiv:2602.23031},
year = {2026}
}