基于双轴特征交互的无人机图像小目标检测方法及设备技术

本发明专利技术的一种基于双轴特征交互的无人机图像小目标检测方法及设备，通过四个上下文感知交互阶段（CAI Stage）级联构成，每个阶段包含两个上下文感知交互块（CAI Block）。每个CAI Block通过双轴并行架构实现特征提取，并采用关键要素融合模块（KEF Module）进行特征交互，最终形成具有自适应多尺度感知能力的检测网络。本发明专利技术提出的CAI‑DETR通过创新性的架构设计与特征交互机制，构建的双轴一维卷积架构通过解耦水平与垂直方向的特征学习，在保证感受野覆盖能力的同时大幅降低计算冗余。这种轻量化设计使得网络能够更聚焦于目标本质特征的提取，尤其针对无人机影像中普遍存在的微小目标，其局部纹理与整体轮廓的耦合关系通过自适应采样策略得以强化。

【技术实现步骤摘要】

本专利技术涉及目标检测，具体涉及一种基于双轴特征交互的无人机图像小目标检测方法、设备及存储介质。

技术介绍

1、当前无人机图像目标检测技术主要依赖卷积神经网络（cnn）和基于transformer的模型。传统cnn方法（如yolo系列、faster r-cnn）通过多尺度特征金字塔和注意力机制提升检测能力，但在小目标检测中存在以下问题：

2、局部与全局特征融合不足：现有模型对局部细节和全局背景的交互处理简单（如直接相加或拼接），导致关键目标特征被背景噪声稀释，难以平衡细节保留与上下文整合。

3、计算效率与精度矛盾：主流方法使用大尺寸2d卷积或复杂注意力机制（如visiontransformer）提升特征提取能力，但伴随参数规模膨胀（如resnet-34达30.2m参数），难以满足无人机实时检测需求。

4、方向性特征退化：现有单轴卷积或固定采样策略（如3×3卷积）导致横向与纵向特征关联性弱化，尤其在复杂背景干扰下易产生漏检或误检。

5、基于transformer的检测框架（如detr、rt-detr）通过自注意本文档来自技高网...

【技术保护点】

1.一种基于双轴特征交互的无人机图像小目标检测方法，其特征在于，包括以下步骤，

2.根据权利要求1所述的基于双轴特征交互的无人机图像小目标检测方法，其特征在于：步骤S2中包括，设置上下文感知交互网络CAI-DETR，上下文感知交互网络CAI-DETR的主干网络由四个独立的上下文感知交互阶段CAI Stages构成，每个CAI阶段包含两个上下文感知交互块CAI Blocks，而每个上下文感知交互块CAI Block又集成有两个CAI模块和两个KEF模块；具体而言，各轴向分支上的CAI模块通过ADCE机制融入目标物体周边的上下文信息，并采用AG-Attention机制强化目标相关...

【技术特征摘要】

1.一种基于双轴特征交互的无人机图像小目标检测方法，其特征在于，包括以下步骤，

2.根据权利要求1所述的基于双轴特征交互的无人机图像小目标检测方法，其特征在于：步骤s2中包括，设置上下文感知交互网络cai-detr，上下文感知交互网络cai-detr的主干网络由四个独立的上下文感知交互阶段cai stages构成，每个cai阶段包含两个上下文感知交互块cai blocks，而每个上下文感知交互块cai block又集成有两个cai模块和两个kef模块；具体而言，各轴向分支上的cai模块通过adce机制融入目标物体周边的上下文信息，并采用ag-attention机制强化目标相关特征，同时抑制无关背景干扰，kef模块则通过并行架构和逐元素乘积操作，有效融合不同轴向分支提取的特征。

3.根据权利要求2所述的基于双轴特征交互的无人机图像小目标检测方法，其特征在于：

4.根据权利要求3所述的基于双轴特征交互的无人机图像小目标检测方法，其...

【专利技术属性】
技术研发人员：杨天赐，杨子萱，徐馨蕾，李维峰，郁乔乔，连政，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：