드론 교통 점검에서 항공 촬영 이미지의 복잡한 배경, 목표물의 밀집, 목표물 크기 분포의 불균일성 등의 문제를 해결하기 위해 다계층 주의 상호작용하 다중 특징 교차 드론 목표 검출 알고리즘(Multi-feature Crossover under cross-layer Attentional Interaction, MCAI)을 제안한다. 우선, 백본 네트워크 부분에 적응형 다계층 주의 상호작용 모듈(Adaptive Cross-layer Attentional Interaction, ACAI)을 설계하여 모델이 핵심 특징 영역에 집중하도록 하여 전역 핵심 특징 정보의 효과적인 필터링을 구현하고 복잡한 배경의 영향을 희석시킨다. 다음으로, 가변형 자기 주의 기반 인코더(Deformable Encoder, DeEncoder)를 설계하여 특징 레이어의 수용 영역을 확대하고 손실된 목표 특징을 보완한다. 마지막으로, 영역 내 다양한 크기의 미세 목표를 효과적으로 인식하기 위해 다중 규모 교차 융합 모듈(Multi-scale cross fusion module, MSCF)을 제안하며, 이 모듈은 웨이블릿 변환과 특징 표현을 결합하여 얕은 공간 정보와 깊은 의미 정보를 융합하고 다양한 크기의 목표의 세분화 특성을 효과적으로 포착한다. VisDrone2019-DET, BDD-100K 데이터셋 및 LZTraffic 비디오 데이터셋에서의 실험 결과는 MCAI가 RT-DETR 모델 대비 mAP0.5를 각각 3%, 2.2%, 4.5% 향상시켜 드론 점검의 검출 정확도를 크게 높였음을 보여준다. 또한, 우천 장면에서 MCAI가 RT-DETR 모델 대비 mAP0.5를 2.1% 향상시켜 극한 기상에 대한 견고성이 더 우수함을 나타낸다.

드론 점검;목표 검출;주의 상호작용;인코더;웨이블릿 변환