기존 검출 모델이 드론 영상에서 대상, 특히 작은 대상 검출이 미흡한 문제를 해결하기 위해 본 논문은 경량화된 소형 대상 검출 모델 PRSU-YOLO를 제안한다. 먼저 풍차 구조의 합성곱 적응 모듈을 설계하여 미세 특징 추출 능력을 강화하였고, 둘째로 재매개변수화된 공간-채널 합성곱 모듈을 구축하여 동적 특징 재구성을 통해 다중 스케일 표현을 최적화하였다. 다시, 목 네트워크에 소형 대상 검출 강화 분기를 삽입하여 고해상도 세부 특징 강화 경로를 구축하였으며, 마지막으로 스케일 동적 교집합비 손실 함수를 도입하여 모델이 경계 상자 회귀 전략을 적응적으로 조정할 수 있도록 하였다. 본 모델은 계산 복잡도가 14.6 GFLOPS만 증가한 기초로 VisDrone2019 데이터셋에서 mAP@0.5 37.4%를 달성하여 기본 모델 대비 4.4% 향상되었으며, TinyPerson 데이터셋에서 정밀도는 34.5%로 3.5% 향상되었다. 실험 결과는 본 모델이 검출 능력을 크게 향상시키면서 계산 비용을 효과적으로 제어하여 드론 지상 관측 환경에서의 대상 검출 과제에 효과적인 솔루션을 제공함을 보여준다.

컴퓨터 비전;드론 영상;소형 대상 검출;특징 강화