UAV-DETR：面向无人机图像的高效端到端目标检测
计算机视觉与模式识别
2025-07-02 v3
摘要
无人机目标检测（UAV-OD）已广泛应用于各种场景。然而，现有的多数 UAV-OD 算法依赖于人工设计的组件，需要大量调参。不依赖此类人工设计组件的端到端模型主要针对自然图像设计，对无人机图像效果较差。为了应对这些挑战，本文提出了一种专为无人机图像量身定制的高效检测 Transformer（DETR）框架，即 UAV-DETR。该框架包含一个带有频率增强模块的多尺度特征融合，能够捕获不同尺度的空间和频率信息。此外，提出了一个聚焦频率的下采样模块，以在下采样过程中保留关键的空间细节。开发了语义对齐与校准模块，以对齐和融合来自不同融合路径的特征。实验结果证明了我们的方法在各种无人机图像数据集上的有效性和泛化能力。在 VisDrone 数据集上，我们的方法比基线提高了 3.1\% 的 AP 和 4.2\% 的 。在 UAVVaste 数据集上也观察到了类似的提升。项目页面：https://github.com/ValiantDiligent/UAV-DETR
引用
@article{arxiv.2501.01855,
title = {UAV-DETR: Efficient End-to-End Object Detection for Unmanned Aerial Vehicle Imagery},
author = {Huaxiang Zhang and Kai Liu and Zhongxue Gan and Guo-Niu Zhu},
journal= {arXiv preprint arXiv:2501.01855},
year = {2025}
}