مواجهة مشكلة انخفاض دقة كشف الأهداف الصغيرة نتيجة تغيير مقياس الهدف بشكل كبير في سياق التصوير الجوي ووجود خلفيات معقدة ، تقدم خوارزمية كشف مشتركة معتمدة على السياقات متعددة المقياس. أولاً ، تم إنشاء وحدة تعزيز متعددة المقياس خفيفة الوزن (LMEM) التي تجمع بين آلية الانتباه لتنشيط معلومات البارز المحلية وتعزيز قدرة استحواذ ملامح الأهداف الصغيرة. ثانياً ، تم تصميم وحدة هندسة دمج الميزات عبر الطبقات المدفوعة بالسياق (CCFFAM) التي تضمن تكامل مزدوج على مستوى الأهداف مع ملاحظة انتباه نطاق الملاحظة وتقنية الأخذ الديناميكي لتحقيق تناسق متعدد الأطراف على مستوى الميزات والقنوات ودمج الوزن الذاتي الموجه. أخيرًا ، تم تجديد توزيع مقياس رأس الكشف ، وتم استبدال وظيفة الخطيئة الأصلية بـ Focaler-CIoU لتحسين عملية استرجاع مربع الحدود وضمان أن لدى النموذج قدرة كشف عالية. أظهرت التجارب على مجموعات بيانات VisDrone2019 و DOTAv1 أن النهج المقترح قلل من عدد معلمات النموذج الأصلي بنسبة 27.9٪ (2.17M) وارتفعت mAP بنسبة 5.3٪ و 1.4٪ على التوالي ، مما يؤكد أن الخوارزمية لديها كفاءة كشف جيدة.

تصوير جوي بدون طيار؛ تفاعل متعدد الأبعاد؛ دمج الميزات عبر الطبقات؛ تخفيف الوزن