结合Swin Transformer与MobileNetv3的多源无人机影像目标检测方法.pdfVIP

２０２５年２月城市勘测Ｆｅｂ.２０２５

第１期ＵｒｂａｎＧｅｏｔｅｃｈｎｉｃａｌＩｎｖｅｓｔｉｇａｔｉｏｎ＆ＳｕｒｖｅｙｉｎｇＮｏ.１

－

引文格式:王新广ꎬ李辉结合ＳｗｉｎＴｒａｎｓｆｏｒｍｅｒ与ＭｏｂｉｌｅＮｅｔｖ３的多源无人机影像目标检测方法[Ｊ].城市勘测ꎬ２０２５(１):２７３２.

－－－

文章编号:１６７２８２６２(２０２５)０１２７０６中图分类号:ＴＰ７５３ꎬＴＰ１８１文献标识码:Ａ

结合ＳｗｉｎＴｒａｎｓｆｏｒｍｅｒ与ＭｏｂｉｌｅＮｅｔｖ３的多源无人机

影像目标检测方法

王新广ꎬ李辉１２

(１天津市勘察设计院集团有限公司ꎬ天津３００１９１ꎻ２星际空间(天津)科技发展有限公司ꎬ天津３００３８４)

摘要:针对无人机载荷硬件算力有限ꎬ而当前轻量级模型对无人机影像内目标检测精度不佳的问题ꎬ设计了一种基

于ＭｏｂｉｌｅＮｅｔｖ３的轻量级目标检测模型ꎮ在特征提取层内引入通道混排注意力机制ꎬ同步捕捉通道与空间维度的注意

力特征ꎬ同时在网络末端引入移动式窗口式视觉变压器模块ꎬ计算全局尺度的上下文语义特征ꎻ通过双向加权特征金

字塔实现多尺度特征加权融合ꎬ并在其中引入深度可分离卷积核与动态上采样层ꎬ降低融合阶段计算消耗ꎻ参考

－

ＹＯＬＯｖ７损失函数结构ꎬ采用焦点高效交并比函数计算目标框回归损失ꎬ采用梯度协调函数计算目标分类损失ꎮ在

光学及热红外影像数据集上的实验结果表明ꎬ所提模型较原模型在检测速度方面提升了３５２％与３８３％ꎬ同时

ｍＡＰ也分别提高７１１％与６８５％ꎬ与对照组内主流轻量级检测模型相比ꎬ本文模型在检测精度、速度及体量方面ꎬ具

０.５

有一定的优势ꎬ适合部署在无人机载荷硬件中ꎬ针对复杂地面场景ꎬ开展全天候目标实时检测ꎮ

关键词:多源无人机影像ꎻ轻量级目标检测ꎻＭｏｂｉｌｅＮｅｔｖ３ꎻ移动式窗口视觉变压器ꎻ动态上采样

[８]

０引言了１５６％ꎻ李昶昱与葛磊对ＹＯＬＯｖ７网络结构进行

－

无人机能够通过光学或红外载荷ꎬ在全天候条件下调整ꎬ并加入能聚合周边信息的ＡＥＬＡＮ(Ａｇｇｒｅｇａｔｉｏｎ

快速获取各类地面遥感影像ꎬ现已广泛应用于城市建设－ＥＬＡＮ)模块ꎬ实现了一种轻量级低照度目标检测模

[１ꎬ２]型ꎬ在测试数据集上ꎬ该模型的平均精度均值达到

规划、警务执法、应急救灾等行业ꎮ如何通过无人机

遥感技术ꎬ实现复杂环境下的全天候地面目标检测ꎬ是８１１％ꎬ较原始模型提高了１１９％ꎮ

当前的研究热点ꎮ随着深度学习技术的快速进步ꎬ卷积现有轻量级检测模型能够应对大多数常规场景ꎬ

神经网络算法在目标检测领域取得一系列研究成但在无人机遥感场景下ꎬ图像来源包括可见光、热红外

[３ꎬ４]等途径ꎬ且图像内不同目标间数量差异明显ꎬ且存在复

果ꎬ基本取代了以特征匹配方式为代表的传统目标

[５]