Para resolver o problema da baixa precisão na detecção de pequenos alvos causada pela grande variação de escala dos objetos e fundos complexos em cenários de filmagem aérea, foi proposto um algoritmo de detecção baseado na percepção colaborativa multiescala contextual. Primeiro, foi construído um módulo leve de melhoria multiescala (Lightweight Multi-scale Enhancement Module, LMEM), combinando um mecanismo de atenção para ativar informações locais salientes e fortalecer a capacidade de captura de características de pequenos alvos; em seguida, foi projetado um módulo de arquitetura de fusão de características internível orientado por contexto (Context-driven Cross-level Feature Fusion Architecture Module, CCFFAM), que integra convoluções de atenção do campo receptivo e técnicas de amostragem dinâmica para alcançar alinhamento duplo espacial-canal em múltiplas camadas e fusão ponderada adaptativa, aumentando a capacidade de fusão de características; finalmente, a distribuição de escala da cabeça de detecção foi reconstruída, e a função de perda original substituída por Focaler-CIoU para otimizar o processo de regressão da caixa delimitadora, garantindo leveza do modelo e alta eficiência de detecção. Experimentos nos conjuntos de dados VisDrone2019 e DOTAv1 mostraram que o método proposto reduz o número de parâmetros do modelo em 27,9% (2,17M), com aumento de mAP de 5,3% e 1,4%, respectivamente, validando a boa eficácia do algoritmo.

Filmagem aérea por drones;Interação multidimensional;Fusão de características entre níveis;Leve