無人機視点の空撮画像における小規模かつ検出困難な目標物の問題に対し、位置感受性Transformer目標検出（PS-TOD）モデルを提案した。位置チャネル埋め込みに基づく三次元注意機構（PCE3DA）を用いたマルチスケール特徴融合（MSFF）モジュールを設計し、PCE3DAは空間情報とチャネル情報の相互依存関係を活かして三次元注意を生成し、モデルの関心領域の特徴表現能力を強化する。また、これに基づきボトムアップの層間MSFFスキームを構築し、融合された特徴のセマンティック情報を豊かにした。さらに、新たな位置感受性自己注意（PSSA）機構を設計し、これにより位置感受性Transformerエンコーダ・デコーダを構築し、モデルが画像のグローバル文脈の長期依存性を捉える際に、目標位置の感受性も高められる。無人機空撮データセットVisDroneでの比較実験の結果、本モデルはAP28.8％を達成し、ベースラインモデル（DETR）より4.1％向上した。本モデルは複雑な背景下でも無人機空撮画像の正確な目標検出が可能であり、小目標の検出性能を改善する。

目標検出;無人機画像;位置感受性Transformer;マルチスケール特徴融合;注意機構