ドローン画像の物体検出は多くの分野で広く応用されていますが、画像背景の複雑さ、物体の密集、物体スケールの激しい変化に制約され、既存のドローン画像物体検出アルゴリズムの検出効果は十分に精度が高くありません。この問題を解決するために、自己注意とブランチサンプリングを組み合わせたドローン画像物体検出手法を提案します。まず、自己注意と畳み込みを融合した入れ子状残差構造を設計し、グローバル情報とローカル情報の効果的な結合を実現してモデルが検出対象に集中し、複雑な背景の影響を薄めます。次に、ブランチサンプリングに基づく特徴融合モジュールを設計し、物体情報の損失を補います。最後に、浅層の細粒度特徴マップを導入し、小さな物体に対する改良検出ヘッドを追加してスケールの激しい変化を緩和し、これに基づきより識別性の高い小さな物体特徴を捉える特徴強化モジュールを提案します。実験により、提案手法が様々なシーンで良好な性能を示すことを確認しました。sモデルはVisDrone2019データセットでmAP₅₀およびmAPがそれぞれ59.3％および37.1％に達し、ベースラインモデルと比較して5.6％および5.4％向上し、UAVDTデータセットではmAP₅₀およびmAPが44.1％および24.9％となり、基準モデルに対して5.8％および3.2％の向上を示しました。

ドローン画像;自己注意;ブランチサンプリング;マルチスケール;特徴融合