ドローン空撮画像における小さな対象物の検出は、対象物のサイズが小さいこと、背景が複雑であること、計算資源が限られていることなどの課題に直面しています。既存のドローン対象物検出モデルはほとんどが精度が低く、検出精度と検出効率のバランスをうまく取ることが困難です。これらの問題を解決するために、本論文ではYOLO11を改良した軽量化小対象物検出アルゴリズムACFI-YOLO11（Attention-based Cross-layer Feature Interaction-YOLO11）を提案します。まず、より高解像度の特徴マップを導入してモデルの極小対象物に対する認識能力を強化するTiny Head分岐を設計しました。次に、新しい注意機構に基づく層間情報相互作用モジュールACFIを提案し、設計した層特徴集約モジュール（Layer Feature Aggregation、LFA）とTransformerエンコーダーに基づき、現在の層特徴と隣接する二つの層特徴を直接情報交換させることで、元のモデルのネックネットワークが一層ずつ特徴を伝達し、前の層特徴のみに注目して層間特徴間の関連性を十分に活用できない欠点を補い、モデルの表現能力を向上させました。最後に、従来の畳み込みに代わりSPD（Space-to-Depth）畳み込みを導入し、モデルのパラメータ数と計算量を削減しつつ、ダウンサンプリング時に重要な空間情報を保持し、小さな対象物検出精度を向上させました。VisDrone2021データセット上の実験結果では、ACFI-YOLO11はYOLO11sと比較してAP_S、AP_XS、mAP_50、およびmAP_50-95でそれぞれ4.2%、3.5%、5.2%、4.0%の向上を達成し、mAP_50-95は他の対比アルゴリズムを上回り31.7%でした。さらに、UAVDTデータセットでの比較実験によりACFI-YOLO11の優位性がさらに検証され、mAP_50-95で83.3%を達成し、他の先進アルゴリズムを大きく上回りました。実験結果から、ACFI-YOLO11はモデルの軽量化を実現しつつ検出性能を大幅に向上させ、ドローン空撮画像における小さな対象物検出に対して効率的かつ実用的なソリューションを提供することが示されました。

小対象物検出; ドローン; YOLO11; 特徴融合; Transformer