드론 영상의 객체 검출은 여러 분야에서 널리 사용되지만, 영상 배경의 복잡성, 객체의 밀집도, 객체 크기의 급격한 변화로 인해 기존 드론 영상 객체 검출 알고리즘의 검출 성능이 충분히 정밀하지 못하다. 이러한 문제를 해결하기 위해 자기 주의(Self-Attention)와 브랜치 샘플링을 결합한 드론 영상 객체 검출 방법을 제안하였다. 우선, 자기 주의와 합성이 결합된 중첩 잔차 구조를 설계하여 전역 정보와 지역 정보를 효과적으로 결합함으로써 모델이 검출 대상에 집중하도록 하여 복잡한 배경의 영향을 희석시켰다. 다음으로, 브랜치 샘플링 기반 특징 융합 모듈을 설계하여 객체 정보 손실을 보완하였다. 마지막으로, 얕은 층의 미세 입자 특징 맵을 도입하고, 작은 객체를 위한 개선된 검출 헤드를 추가하여 급격한 크기 변화를 완화하였으며, 이를 바탕으로 더 많은 판별성 작은 객체 특징을 포착하기 위한 특징 강화 모듈을 제안하였다. 실험을 통해 제안한 알고리즘이 다양한 장면에서 우수한 성능을 보임을 확인하였다. s 모델은 VisDrone2019 데이터셋에서 mAP₅₀와 mAP이 각각 59.3%와 37.1%에 도달했으며, 기준 모델 대비 각각 5.6%와 5.4% 증가하였고, UAVDT 데이터셋에서는 mAP₅₀와 mAP가 각각 44.1%와 24.9%로 기준 모델 대비 5.8%와 3.2% 향상되었다.

드론 영상;자기 주의;브랜치 샘플링;다중 스케일;특징 융합