Предложен алгоритм обнаружения на основе контекстно-кооперативного многомасштабного восприятия для решения проблемы низкой точности обнаружения мелких объектов из-за значительных изменений масштаба целей и сложного фона в аэрофотосъемке. Во-первых, построен облегчённый модуль многомасштабного усиления (Lightweight Multi-scale Enhancement Module, LMEM), который с помощью механизма внимания активирует локальную заметную информацию и усиливает способность захвата признаков мелких объектов; во-вторых, спроектирован модуль контекстно-ориентированной кроссуровневой слияния признаков (Context-driven Cross-level Feature Fusion Architecture Module, CCFFAM), который интегрирует свёртки с вниманием к рецептивному полю и техники динамической выборки для достижения двустороннего выравнивания по пространству и каналам на нескольких уровнях и адаптивного взвешенного слияния, улучшая возможности слияния признаков; наконец, перераспределены масштабы головы обнаружения и заменена исходная функция потерь на Focaler-CIoU для оптимизации регрессии ограничивающего прямоугольника, обеспечивая лёгкость модели при высокой эффективности обнаружения. Эксперименты на датасетах VisDrone2019 и DOTAv1 показывают, что предложенный метод уменьшает количество параметров модели на 27,9% (2,17 млн), при этом mAP увеличивается на 5,3% и 1,4% соответственно, подтверждая хорошую эффективность алгоритма.

Беспилотная аэрофотосъемка;Межмерное взаимодействие;Межуровневое слияние признаков;Облегчённый