MCS-RETR：改进RT-DETR的无人机航拍图像目标检测方法

doi:10.7527/S1000-6893.2025.31987

电子电气工程与控制

本期目录 | 过刊浏览 | 高级检索

前一篇 |

MCS-RETR：改进RT-DETR的无人机航拍图像目标检测方法

钟帅, 王丽萍()

中国人民公安大学侦查学院，北京 100038

收稿日期:2025-03-18 修回日期:2025-03-26 接受日期:2025-04-21 出版日期:2025-04-29 发布日期:2025-04-25
通讯作者: 王丽萍 E-mail:sduwlp@163.com
基金资助:
中国人民公安大学刑事科学技术双一流创新研究专项(2023SYL06);国家自然科学基金(62271491)

MCS-RETR: Improved RT-DETR object detection method for UAV aerial images

Shuai ZHONG, Liping WANG()

College of Investigation，People’s Public Security University of China，Beijing 100038，China

Received:2025-03-18 Revised:2025-03-26 Accepted:2025-04-21 Online:2025-04-29 Published:2025-04-25
Contact: Liping WANG E-mail:sduwlp@163.com
Supported by:
Double First-Class Innovative Research Special Fund for Criminal Science and Technology of People’s Public Security University of China(2023SYL06);National Natural Science Foundation of China(62473044)

摘要/Abstract

摘要：

针对无人机航拍图像中存在的目标边缘信息模糊、复杂背景干扰以及小目标分辨率低、难以辨识等问题，提出了一种新型改进RT-DETR的无人机航拍图像目标检测方法，记作MCS-DETR。首先，在主干网络中设计多尺度边缘增强模块，通过构建边缘信息增强机制，并结合深度卷积操作和特征融合策略，实现在不同尺度上提取特征信息，增强模型对图像边缘信息的感知能力。接着，在尺度内特征交互机制中融入卷积加法标记混合器，以优化特征交互过程，提升模型对全局上下文关键信息的捕获能力。最后，在原有特征融合方式的基础上进一步改进创新，提出小目标增强金字塔网络，增强模型对小目标细节特征的提取能力。实验结果表明，与RT-DETR模型相比，改进后的MCS-DETR算法在Visdrone2019-DET-Test上，参数量减少了20.7%，准确率、召回率、mAP₅₀和mAP_50∶95分别提升了2.4%、3.1%、2.8%和2.0%，有效改善了复杂场景下无人航拍图像目标检测的误检、漏检问题。

关键词: 目标检测, 无人机航拍图像, RT-DETR, 边缘信息增强, 卷积加法标记混合器, 小目标增强金字塔

Abstract:

To address the challenges in Unmanned Aerial Vehicle （UAV） aerial imagery， such as blurred object edge information， complex background interference， and the low resolution and difficulty in identification of small objects， this paper proposes a novel improved RT-DETR-based object detection method for UAV aerial imagery， named MCS-DETR. Initially， a multi-scale edge information enhancement module is designed within the backbone network. By constructing an edge information enhancement mechanism and integrating it with deep convolutional operations and feature fusion strategies， the module aims to extract feature information at different scales and enhance the model’s perception of image edge information. Subsequently， a convolutional additive token mixer is incorporated into the intra-scale feature interaction mechanism to optimize the feature interaction process and improve the model’s capability of capturing global contextual key information. Finally， based on the original feature fusion method， a small object enhancement pyramid network is proposed to enhance the model’s ability to extract detailed features of small targets. Experimental results indicate that， compared to the RT-DETR model， the MCS-DETR algorithm reduces the parameter size by 20.7%， while increasing accuracy， recall， mAP₅₀， and mAP_50∶95 of 2.4%， 3.1%， 2.8%， and 2.0%， respectively on the Visdrone2019-DET-Test dataset. This method effectively migrates missed and erroneous detections in complex scenes for UAV aerial image object detection.

Key words: object detection, UAV aerial imagery, RT-DETR, multi-scale edge information enhancement, convolutional additive token mixer, small object enhancement pyramid

中图分类号:

V279

钟帅, 王丽萍. MCS-RETR：改进RT-DETR的无人机航拍图像目标检测方法[J]. 航空学报, 2025, 46(22): 331987.

Shuai ZHONG, Liping WANG. MCS-RETR: Improved RT-DETR object detection method for UAV aerial images[J]. Acta Aeronautica et Astronautica Sinica, 2025, 46(22): 331987.

图/表 15

图 1

图 2

图 3

图 4

图 5

图 6

表1

表 2

表 3

表4

表 5

图 7

图 8

图 9

图 10

参考文献 34

[1]	王传云，苏阳，王琳霖，等. 面向反制无人机集群的多目标连续鲁棒跟踪算法［J］. 航空学报， 2024， 45（7）： 329017.
	WANG C Y， SU Y， WANG L L， et al. Multi-object continuous robust tracking algorithm for anti-UAV swarm［J］. Acta Aeronautica et Astronautica Sinica， 2024， 45（7）： 329017 （in Chinese）.
[2]	孟凡腾，秦勇，崔京，等. 铁路外部环境无人机图像未知风险检测方法［J］. 航空学报， 2025， 46（11）： 531262.
	MENG F T， QIN Y， CUI J， et al. Unknown risk detection in external environment of railroad using UAV images［J］. Acta Aeronautica et Astronautica Sinica， 2025， 46（11）： 531262 （in Chinese）.
[3]	吴一全，童康. 基于深度学习的无人机航拍图像小目标检测研究进展［J］. 航空学报， 2025， 46（3）： 030848.
	WU Y Q， TONG K. Research advances on deep learning-based small object detection in UAV aerial images［J］. Acta Aeronautica et Astronautica Sinica， 2025， 46（3）： 030848 （in Chinese）.
[4]	LOWE D G. Distinctive image features from scale-invariant keypoints［J］. International Journal of Computer Vision， 2004， 60（2）： 91-110.
[5]	DALAL N， TRIGGS B. Histograms of oriented gradients for human detection［C］∥2005 IEEE Computer Society Conference on Computer Vision and Pattern Recognition （CVPR’05）. Piscataway： IEEE Press， 2005： 886-893.
[6]	FELZENSZWALB P F， GIRSHICK R B， MCALLESTER D， et al. Object detection with discriminatively trained part-based models［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2010， 32（9）： 1627-1645.
[7]	REN S Q， HE K M， GIRSHICK R， et al. Faster R-CNN： Towards real-time object detection with region proposal networks［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2017， 39（6）： 1137-1149.
[8]	LIN T Y， GOYAL P， GIRSHICK R， et al. Focal loss for dense object detection［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2020， 42（2）： 318-327.
[9]	KHANAM R， HUSSAIN M. What is YOLOv5： A deep look into the internal features of the popular object detector ［DB/OL］. arXiv preprint： 2407.20892， 2024.
[10]	VARGHESE R， M S. YOLOv8： A novel object detection algorithm with enhanced performance and robustness［C］∥2024 International Conference on Advances in Data Engineering and Intelligent Computing Systems （ADICS）. Piscataway： IEEE Press， 2024： 1-6.
[11]	WANG A， CHEN H， LIU L， et al. Yolov10： Real time end-to-end object detection［DB/OL］. arXiv preprint： 2405.14458， 2024.
[12]	KHANAM R， HUSSAIN M. Yolov11： An overview of the key architectural enhancements［DB/OL］. arXiv preprint： 2410.17725， 2024.
[13]	ZHAO Y A， LV W Y， XU S L， et al. DETRs beat YOLOs on real-time object detection［C］∥2024 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）. Piscataway： IEEE Press， 2024： 16965-16974.
[14]	CARION N， MASSA F， SYNNAEVE G， et al. End-to-end object detection with transformers［C］∥Computer Vision-ECCV 2020. Cham： Springer， 2020： 213-229.
[15]	钟帅，王丽萍. 无人机航拍图像目标检测技术研究综述［J］. 激光与光电子学进展， 2025， 62（10）： 71-89.
	ZHONG S， WANG L P. Review of Research on Object Detection in UAV Aerial Images［J］. Laser & Optoelectronics Progress， 2025， 62（10）： 71-89 （in Chinese）.
[16]	SUN F X， HE N， LI R J， et al. GD-PAN： A multiscale fusion architecture applied to object detection in UAV aerial images［J］. Multimedia Systems， 2024， 30（3）： 143.
[17]	LIU S， QI L， QIN H F， et al. Path aggregation network for instance segmentation［C］∥2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition. Piscataway： IEEE Press， 2018： 8759-8768.
[18]	何戚天，李为相，程明，等. 面向航拍图像的轻量化目标检测算法［J］. 电光与控制， 2025， 32（3）： 56-61， 81.
	HE Q T， LI W X， CHENG M， et al. A lightweight target detection algorithm for aerial images［J］. Electronics Optics & Control， 2025， 32（3）： 56-61， 81 （in Chinese）.
[19]	CHEN J R， KAO S H， HE H， et al. Run， don’t walk： Chasing higher FLOPS for faster neural networks［C］∥ 2023 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）. Piscataway： IEEE Press， 2023： 12021-12031.
[20]	WOO S， PARK J， LEE J Y， et al. CBAM： Convolutional block attention module［C］∥Computer Vision-ECCV 2018. Cham： Springer， 2018： 3-19.
[21]	李子豪，王正平，贺云涛. 基于自适应协同注意力机制的航拍密集小目标检测算法［J］. 航空学报， 2023， 44（13）： 327944.
	LI Z H， WANG Z P， HE Y T. Aerial-photography dense small target detection algorithm based on adaptive cooperative attention mechanism［J］. Acta Aeronautica et Astronautica Sinica， 2023， 44（13）： 327944 （in Chinese）.
[22]	LI Z X， HE Q H， REN L F， et al. PCAF： UAV scenarios detector via pyramid converge-and-assign fusion network［J］. Multimedia Systems， 2025， 31（1）： 25.
[23]	王朝辉，严一鸣，韩晓微，等. 基于改进SRGAN的无人机航拍图像去雾算法［J］. 激光与红外， 2024， 54（6）： 991-997.
	WANG Z H， YAN Y M， HAN X W， et al. Improved SRGAN-based algorithm for defogging UAV aerial images［J］. Laser & Infrared， 2024， 54（6）： 991-997 （in Chinese）.
[24]	LEDIG C， THEIS L， HUSZÁR F， et al. Photo-realistic single image super-resolution using a generative adversarial network［C］∥2017 IEEE Conference on Computer Vision and Pattern Recognition （CVPR）. Piscataway： IEEE Press， 2017： 105-114.
[25]	HE K M， ZHANG X Y， REN S Q， et al. Deep residual learning for image recognition［C］∥2016 IEEE Conference on Computer Vision and Pattern Recognition （CVPR）. Piscataway： IEEE Press， 2016： 770-778.
[26]	WANG C Y， MARK LIAO H Y， WU Y H， et al. CSPNet： A new backbone that can enhance learning capability of CNN［C］∥2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops （CVPRW）. Piscataway： IEEE Press， 2020： 1571-1580.
[27]	VASWANI A， SHAZEER N， PARMAR N， et al. Attention is all you need ［C］∥Proceedings of the 31st International Conference on Neural Information Processing Systems. New York： ACM， 2017： 6000-6010.
[28]	ZHANG T， LI L， ZHOU Y， et al. CAS-ViT： Convolutional additive self-attention vision transformers for efficient mobile applications［DB/OL］. arXiv preprint： 2408.03703， 2024.
[29]	MEHTA S， RASTEGARI M. Separable self-attention for mobile vision transformers ［DB/OL］. arXiv preprint： 2206.02680， 2022.
[30]	SHAKER A， MAAZ M， RASHEED H， et al. Swiftformer： Efficient additive attention for transformer-based real time mobile vision applications［DB/OL］. arXiv preprint： 2303.15446， 2023.
[31]	SUNKARA R， LUO T. No more strided convolutions or pooling： A new CNN building block for low-resolution images and small objects［DB/OL］. arXiv preprint： 2208.03641， 2022.
[32]	CUI Y N， REN W Q， KNOLL A. Omni-kernel modulation for universal image restoration［J］. IEEE Transactions on Circuits and Systems for Video Technology， 2024， 34（12）： 12496-12509.
[33]	DU D W， ZHU P F， WEN L Y， et al. VisDrone-DET2019： The vision meets drone object detection in image challenge results［C］∥2019 IEEE/CVF International Conference on Computer Vision Workshop （ICCVW） Piscataway： IEEE Press， 2019： 213-226.
[34]	WANG S， JIANG H P， YANG J X， et al. AMFEF-DETR： An end-to-end adaptive multi-scale feature extraction and fusion object detection network based on UAV aerial images［J］. Drones， 2024， 8（10）： 523.

E-mail：hkxb@buaa.edu.cn

关于我们

期刊社服务

专业学科

封面文章

友情链接

主管单位：中国科学技术协会主办单位：中国航空学会北京航空航天大学

参数	数值
epoch	200
Batch Size	4
Image Size	640
Works	4
Optimizer	Adam

模型	P/%	R/%	mAP_0.5/%	mAP_0.5∶0.95/%	Params/M	FLOPs/G
YOLOv5m	46.8	35.2	33.6	19.5	25.0	64.0
YOLOv8s	44.8	33.6	31.6	18.0	11.1	28.5
YOLOv8m	48.0	35.7	34.4	19.9	25.8	78.7
YOLOv10n	39.9	29.8	27.2	14.9	2.2	6.5
YOLOv10s	44.7	34.4	32.4	18.2	7.2	21.4
YOLOv11n	38.8	30.2	27.2	15.3	2.5	6.3
YOLOv11s	44.7	34.5	32.3	18.7	9.4	21.3
YOLOv11m	48.1	37.8	36.0	21.4	20.0	67.7
RTMDet	48.1	34.7	35.3	21.1	52.3	80.0
Efficient DETR	49.5	36.1	36.7	22.0	32.0	159
RT-DETR-R18	54.6	38.2	37.1	21.2	19.8	57.0
RT-DETR-R34	57.2	39.6	38.6	22.5	31.1	88.8
MCS-DETR	57.0	41.3	39.9	23.2	15.7	64.3

类别	P/%	R/%	mAP₅₀/%	mAP_50∶95/%
pedestrian	56.7	36.0	37.6	15.20
people	57.0	24.9	27.3	9.91
bicycle	38.7	13.6	11.7	5.18
car	76.8	75.3	76.8	49.00
van	53.1	41.5	37.5	26.30
truck	53.3	44.6	42.7	26.60
tricycle	33.3	28.5	21.5	12.10
awning-tricycle	46.3	21.3	20.2	12.40
bus	77.9	52.2	56.7	39.50
motor	53.0	43.7	39.2	16.00
all class	54.6	38.2	37.1	21.20

类别	P/%	R/%	mAP₅₀/%	mAP_50∶95/%
pedestrian	58.8	39.8	41.4	17.2
people	56.7	27.5	29.2	10.8
bicycle	42.8	16.7	14.2	5.94
car	78.3	77.8	78.9	51.3
van	55.2	42.9	38.4	27.4
truck	58.6	46.9	45.5	29.3
tricycle	36.5	36.0	27.3	15.4
awning-tricycle	49.5	23.9	22.1	13.8
bus	77.7	54.2	58.2	41.9
motor	56.2	47.2	43.9	18.9
all class	57.0	41.3	39.9	23.2

RT-DETR	MSEIE	CATM-AIFI	SOEP	Params/M	FLOPs/G	P/%	R/%	mAP_0.5/%	mAP@_0.5∶0.95/%	FPS/（帧·s^-1）
√				19 884 600	57.0	54.6	38.2	37.1	21.2	96.5
√	√			14 468 248	48.4	55.8	39.6	38.5	22.5	64.3
√		√		19 960 888	57.1	55.1	39.1	37.9	22.1	96.9
√			√	20 500 536	65.2	55.3	39.4	38.1	22.0	99.2
√	√		√	15 685 528	64.2	56.2	40.9	39.2	22.6	61.3
√	√	√	√	15 761 816	64.3	57.0	41.3	39.9	23.2	61.7

MCS-RETR：改进RT-DETR的无人机航拍图像目标检测方法

MCS-RETR: Improved RT-DETR object detection method for UAV aerial images

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 15

参考文献 34

相关文章 15

编辑推荐

Metrics

本文评价

[1]	吴一全, 童康. 基于深度学习的无人机航拍图像小目标检测研究进展[J]. 航空学报, 2025, 46(3): 30848-030848.
[2]	郑忆, 程向红, 唐兴邦, 曹毅. 基于改进ReDet的航拍绝缘子及其缺陷定向检测算法[J]. 航空学报, 2025, 46(18): 331825-331825.
[3]	杨永刚, 姜文韬, 高志云. 低空无人机实时目标检测算法[J]. 航空学报, 2025, 46(16): 331619-331619.
[4]	孟凡腾, 秦勇, 崔京, 吴云鹏, 张紫城, 魏少伟. 铁路外部环境无人机图像未知风险检测方法[J]. 航空学报, 2025, 46(11): 531262-531262.
[5]	陈树生, 贾苜梁, 林家豪, 金世轶, 高正红, 王岳青, 马志强, 李铮, 段辰龙, 李佳伟. 生成式模型赋能飞行器技术应用研究进展与展望[J]. 航空学报, 2025, 46(10): 631194-631194.
[6]	罗旭东, 吴一全, 陈金林. 无人机航拍影像目标检测与语义分割的深度学习方法研究进展[J]. 航空学报, 2024, 45(6): 28822-028822.
[7]	李少毅, 卫孟杰, 杨俊彦, 杨曦, 孟中杰. 红外多波段成像末制导技术研究现状与展望[J]. 航空学报, 2024, 45(20): 630427-630427.
[8]	李少毅, 张雅淇, 程岳, 杨曦, 张良, 林健, 孟中杰. 场景抽象语义综合模型及其在红外弱小目标检测中的应用[J]. 航空学报, 2024, 45(20): 630702-630702.
[9]	于傲泽, 魏维伟, 王平, 张金强, 柯文雄. 基于分块复合注意力的无人机小目标检测算法[J]. 航空学报, 2024, 45(14): 629148-629148.
[10]	王潇, 刘贞报. 基于多层多向Transformer的红外弱小目标检测[J]. 航空学报, 2024, 45(14): 629490-629490.
[11]	刘延芳, 佘佳宇, 袁秋帆, 周芮, 齐乃明. 无人机遥感图像实时小目标检测方法[J]. 航空学报, 2024, 45(14): 630119-630119.
[12]	肖欣林, 施伟超, 郑向涛, 高跃明, 卢孝强. 基于多模型协同的舰船目标检测[J]. 航空学报, 2024, 45(14): 630241-630241.
[13]	李峻宇, 刘乾坤, 付莹. 融合注意力机制的红外小目标检测[J]. 航空学报, 2024, 45(14): 628959-628959.
[14]	武星蕊, 彭锐晖, 孙殿星, 谭顺成, 张一泓, 韦文斌. 基于TransUNet的机动微弱目标智能检测前跟踪算法[J]. 航空学报, 2024, 45(12): 329466-329466.
[15]	甘纪强, 王小平. 基于虚拟样本生成的铺丝表面缺陷检测[J]. 航空学报, 2024, 45(1): 428624-428624.