基于深度学习的无人机航拍图像小目标检测研究进展

doi:10.7527/S1000-6893.2024.30848

综述

本期目录 | 过刊浏览 | 高级检索

前一篇 | 后一篇

基于深度学习的无人机航拍图像小目标检测研究进展

吴一全(), 童康

南京航空航天大学电子信息工程学院，南京 211106

收稿日期:2024-06-20 修回日期:2024-08-16 接受日期:2024-09-07 出版日期:2024-09-24 发布日期:2024-09-20
通讯作者: 吴一全 E-mail:nuaaimage@163.com
基金资助:
国家自然科学基金(61573183)

Research advances on deep learning-based small object detection in UAV aerial images

Yiquan WU(), Kang TONG

College of Electronic and Information Engineering，Nanjing University of Aeronautics and Astronautics，Nanjing 211106，China

Received:2024-06-20 Revised:2024-08-16 Accepted:2024-09-07 Online:2024-09-24 Published:2024-09-20
Contact: Yiquan WU E-mail:nuaaimage@163.com
Supported by:
National Natural Science Foundation of China(61573183)

摘要/Abstract

摘要：

基于深度学习的无人机航拍图像小目标检测在军事情报侦察、战场监视和评估、军事目标捕获与验证、智能交通治理、基础设施检查和维护、灾害防治、搜索和救援、农作物管理与分析、生态保护和监测等领域具有广泛应用，近年来已成为当下的研究热点，故对近5年基于深度学习的无人机航拍图像小目标检测展开全面深入的调查。首先介绍无人机航拍图像小目标检测定义与面临的挑战。其次重点从判别性特征学习、超分辨率技术、实时轻量化检测、其他改进思路这4个方面详细阐述了无人机航拍图像小目标检测方法。然后系统总结无人机航拍图像小目标检测数据集，并基于VisDrone挑战赛深入分析不同算法的性能。最后全面呈现无人机航拍图像小目标检测在军事和民生领域的具体应用，讨论其未来潜在的发展方向，并指出了无人机航拍的一些担忧。期望该综述可以启发相关研究人员，进一步推动基于深度学习的无人机航拍图像小目标检测的发展。

关键词: 小目标检测, 无人机（UAV）, 航拍图像, 深度学习, 性能评估, 小目标检测应用

Abstract:

Small object detection in UAV aerial images based on deep learning has a wide range of applications in military intelligence reconnaissance， battlefield surveillance and assessment， military object capture and verification， intelligent traffic management， infrastructure inspection and maintenance， disaster prevention and control， search and rescue， crop management and analysis， ecological protection and monitoring and other fields， and has become a current research hotspot in recent years. This review article gives a comprehensive and in-depth investigation on small object detection in UAV aerial images based on deep learning in the past five years. First of all， the definition and challenges of small object detection in UAV aerial images are introduced. Secondly， small object detection methods in drone aerial images are summarized in terms of discriminative feature learning， super-resolution technology， real-time lightweight detection， and other improvement ideas. Then， small object detection datasets of UAV aerial images are systematically summarized， and the performances of different algorithms are analyzed based on the VisDrone Challenge. Finally， the specific applications of small object detection in UAV aerial images in the military and civilian fields are comprehensively presented， and the potential future development directions of small object detection in UAV aerial images and some concerns about UAV aerial photography are also discussed. It is expected that this review would inspire relevant researchers to further promote the development of small object detection in UAV aerial images based on deep learning.

Key words: small object detection, Unmanned Aerial Vehicle (UAV), aerial image, deep learning, performance evaluation, small object detection application

中图分类号:

V279

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.

Yiquan WU, Kang TONG. Research advances on deep learning-based small object detection in UAV aerial images[J]. Acta Aeronautica et Astronautica Sinica, 2025, 46(3): 30848.

图/表 9

表1

表2

表3

图1

表4

无人机航拍图像小目标数据集

数据集	发表刊物或会议	图片数	实例数	类别数	图像尺寸	公开链接与否
VisDrone2018	ECCV Workshops	8.599 K	46.6 K	10	$2 000 × 1 500$	是
VisDrone2019	ICCV Workshops	8.599 K	46.6 K	10	$2 000 × 1 500$	是
VisDrone2020	ECCV Workshops	10.209 K	540 K	10	$2 000 × 1 500$	是
VisDrone2021	ICCV Workshops	10.209 K	540 K	10	$2 000 × 1 500$	是
VisDrone2023	ICCV Workshops	10.209 K	540 K	10	$2 000 × 1 500$	是
CARPK	ICCV	1.448 K	89.8 K	1	$1 280 × 720$	是
UAVDT	ECCV	80 K	841.5 K	3	$1 080 × 540$	是
AU-AIR	ICRA	32.823 K	132 K	8	$1 920 × 1 080$	是
BIRDSAI	WACV	162 K	270 K	2	$640 × 480$	是
UVSD	Remote Sensing	5.874 K	98.6 K	1	$960 × 540$ ~ $5 280 × 2 970$	是
MOHR	Neurocomputing	10.63 K	90 K	5	$5 482 × 3 078$ / $7 360 × 4 912$ / $8 688 × 5 792$	否
PeopleOnGrass	ICAR	2.9 K	13 713	1	$3 840 × 2 160$	是
SIRST	WACV	427	480	1	$320 × 240$	是
DAC-SDC	IEEE TPAMI	150 K		95	$640 × 360$	是
DroneVehicle	IEEE TCSVT	56.878 K	819 K	5	$840 × 712$	是
SeaDronesSee	WACV	54 K	400 K	6	$3 840 × 2 160$ ~ $5 456 × 3 632$	是
RO-UAV	IEEE TIM	6.534 K	69 873	3	$4 056 × 3 040$	否
UNFSI	AIC	5 705		1	$640 × 640$	否
PVD	IEEE TIM	1 581	2 721	2		否

表4

表5

表6

表7

表8

参考文献 147

1	LEE G， HONG S， CHO D. Self-supervised feature enhancement networks for small object detection in noisy images［J］. IEEE Signal Processing Letters， 2021， 28： 1026-1030.
2	冒国韬，邓天民，于楠晶. 基于多尺度分割注意力的无人机航拍图像目标检测算法［J］. 航空学报， 2023， 44（5）： 326738.
	MAO G T， DENG T M， YU N J. Object detection in UAV images based on multi-scale split attention［J］. Acta Aeronautica et Astronautica Sinica， 2023， 44（5）： 326738 （in Chinese）.
3	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）： 028822.
	LUO X D， WU Y Q， CHEN J L. Research progress on deep learning methods for object detection and semantic segmentation in UAV aerial images［J］. Acta Aeronautica et Astronautica Sinica， 2024， 45（6）： 028822 （in Chinese）.
4	ZHANG X D， IZQUIERDO E， CHANDRAMOULI K. Dense and small object detection in UAV vision based on cascade network［C］‍∥2019 IEEE/CVF International Conference on Computer Vision Workshops （ICCVW）. Piscataway： IEEE Press， 2019： 118-126.
5	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）.
6	宋玉存，葛泉波，朱军龙，等. 基于梯度差自适应学习率优化的改进YOLOX目标检测算法［J］. 航空学报， 2023， 44（14）： 327951.
	SONG Y C， GE Q B， ZHU J L， et al. Improved YOLOX object detection algorithm based on gradient difference adaptive learning rate optimization［J］. Acta Aeronautica et Astronautica Sinica， 2023， 44（14）： 327951 （in Chinese）.
7	刘颖，刘红燕，范九伦，等. 基于深度学习的小目标检测研究与应用综述［J］. 电子学报， 2020， 48（3）： 590-601.
	LIU Y， LIU H Y， FAN J L， et al. A survey of research and application of small object detection based on deep learning［J］. Acta Electronica Sinica， 2020， 48（3）： 590-601 （in Chinese）.
8	TONG K， WU Y Q， ZHOU F. Recent advances in small object detection based on deep learning： A review［J］. Image and Vision Computing， 2020， 97： 103910.
9	高新波，莫梦竟成，汪海涛，等. 小目标检测研究进展［J］. 数据采集与处理， 2021， 36（3）： 391-417.
	GAO X B， MO M J C， WANG H T， et al. Recent advances in small object detection［J］， Journal of Data Acquisition and Processing， 2021， 36（3）： 391-417 （in Chinese）.
10	李红光，于若男，丁文锐. 基于深度学习的小目标检测研究进展［J］. 航空学报， 2021， 42（7）： 024691.
	LI H G， YU R N， DING W R. Research development of small object traching based on deep learning［J］. Acta Aeronautica et Astronautica Sinica， 2021， 42（7）： 024691 （in Chinese）.
11	CHENG G， YUAN X， YAO X W， et al. Towards large-scale small object detection： Survey and benchmarks［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2023， 45（11）： 13467-13488.
12	潘晓英，贾凝心，穆元震，等. 小目标检测研究综述［J］. 中国图象图形学报， 2023， 28（9）： 2587-2615.
	PAN X Y， JIA N X， MU Y Z， et al. Survey of small object detection［J］. Journal of Image and Graphics， 2023， 28（9）： 2587-2615 （in Chinese）.
13	TONG K， WU Y Q. Deep learning-based detection from the perspective of small or tiny objects： A survey［J］. Image and Vision Computing， 2022， 123： 104471.
14	童康，吴一全. 基于深度学习的小目标检测基准研究进展［J］. 电子学报， 2024， 52（3）： 1016-1040.
	TONG K， WU Y Q. Research advances on deep learning based small object detection benchmarks［J］. Acta Electronica Sinica， 2024， 52（3）： 1016-1040 （in Chinese）.
15	袁翔，程塨，李戈，等. 遥感影像小目标检测研究进展［J］. 中国图象图形学报， 2023， 28（6）： 1662-1684.
	YUAN X， CHENG G， LI G， et al. Progress in small object detection for remote sensing images［J］. Journal of Image and Graphics， 2023， 28（6）： 1662-1684 （in Chinese）.
16	王辉，贾自凯，金忍，等. 无人机视觉引导对接过程中的协同目标检测［J］. 航空学报， 2022， 43（1）： 324854.
	WANG H， JIA Z K， JIN R， et al. Cooperative object detection in UAV-based vision-guided docking［J］. Acta Aeronautica et Astronautica Sinica， 2022， 43（1）： 324854 （in Chinese）.
17	梁栋，高赛，孙涵，等. 结合核相关滤波器和深度学习的运动相机中无人机目标检测［J］. 航空学报， 2020， 41（9）： 323733.
	LIANG D， GAO S， SUN H， et al. UAV detection in motion cameras combining kernelized correlation filters and deep learning［J］. Acta Aeronautica et Astronautica Sinica， 2020， 41（9）： 323733 （in Chinese）.
18	MITTAL P， SINGH R， SHARMA A. Deep learning-based object detection in low-altitude UAV datasets： A survey［J］. Image and Vision Computing， 2020， 104： 104046.
19	江波，屈若锟，李彦冬，等. 基于深度学习的无人机航拍目标检测研究综述［J］. 航空学报， 2021， 42（4）： 524519.
	JIANG B， QU R K， LI Y D， et al. Object detection in UAV imagery based on deep learning： Review［J］. Acta Aeronautica et Astronautica Sinica， 2021， 42（4）： 524519 （in Chinese）.
20	WU X， LI W， HONG D F， et al. Deep learning for unmanned aerial vehicle-based object detection and tracking： A survey［J］. IEEE Geoscience and Remote Sensing Magazine， 2022， 10（1）： 91-124.
21	OSCO L P， JUNIOR J M， RAMOS A P M， et al. A review on deep learning in UAV remote sensing［J］. International Journal of Applied Earth Observation and Geoinformation， 2021， 102： 102456.
22	冷佳旭，莫梦竟成，周应华，等. 无人机视角下的目标检测研究进展［J］. 中国图象图形学报， 2023， 28（9）： 2563-2586.
	LENG J X， MO M， ZHOU Y H， et al. Recent advances in drone-view object detection［J］. Journal of Image and Graphics， 2023， 28（9）： 2563-2586 （in Chinese）.
23	刘芳，韩笑. 基于多尺度深度学习的自适应航拍目标检测［J］. 航空学报， 2022， 43（5）： 325270.
	LIU F， HAN X. Adaptive aerial object detection based on multi-scale deep learning［J］. Acta Aeronautica et Astronautica Sinica， 2022， 43（5）： 325270 （in Chinese）.
24	ZHU Z， LIANG D， ZHANG S H， et al. Traffic-sign detection and classification in the wild［C］‍∥2016 IEEE Conference on Computer Vision and Pattern Recognition （CVPR）. Piscataway： IEEE Press， 2016： 2110-2118.
25	TUGGENER L， ELEZI I， SCHMIDHUBER J， et al. DeepScores-a dataset for segmentation， detection and classification of tiny objects［C］∥2018 24th International Conference on Pattern Recognition （ICPR）. Piscataway： IEEE Press， 2018： 3704-3709.
26	LIU Y J， YANG F B， HU P. Small-object detection in UAV-captured images via multi-branch parallel feature pyramid networks［J］. IEEE Access， 2020， 8： 145740-145750.
27	吕晓君，向伟，刘云鹏. 基于强化底层特征的无人机航拍图像小目标检测算法［J］. 计算机应用研究， 2021， 38（5）： 1567-1571.
	LVU X J， XIANG W， LIU Y P. Small object detection algorithm on UAV aerial images based on enhanced lower feature［J］. Application Research of Computers， 2021， 38（5）： 1567-1571 （in Chinese）.
28	王殿伟，胡里晨，房杰，等. 基于改进Double-Head RCNN的无人机航拍图像小目标检测算法［J］. 北京航空航天大学学报， 2024， 50（7）： 2141-2149.
	WANG D W， HU L C， FANG J， et al. Small target detection algorithm based on improved Double-Head RCNN for UAV aerial images［J］. Journal of Beijing University of Aeronautics and Astronautics， 2024， 50（7）： 2141-2149 （in Chinese）.
29	LIANG X， ZHANG J， ZHUO L， et al. Small object detection in unmanned aerial vehicle images using feature fusion and scaling-based single shot detector with spatial context analysis［J］. IEEE Transactions on Circuits and Systems for Video Technology， 2020， 30（6）： 1758-1770.
30	ZHENG Q Y， CHEN Y. Feature pyramid of bi-directional stepped concatenation for small object detection［J］. Multimedia Tools and Applications， 2021， 80（13）： 20283-20305.
31	SHAMSOLMOALI P， ZAREAPOOR M， YANG J， et al. Enhanced single-shot detector for small object detection in remote sensing images［C］‍∥IGARSS 2022-2022 IEEE International Geoscience and Remote Sensing Symposium. Piscataway： IEEE Press， 2022： 1716-1719.
32	LIU M J， WANG X H， ZHOU A J， et al. UAV-YOLO： Small object detection on unmanned aerial vehicle perspective［J］. Sensors， 2020， 20（8）： 2238.
33	王鼎山，贾世杰. 基于目标感知增强的无人机航拍目标检测［J］. 计算机工程与设计， 2022， 43（7）： 2071-2077.
	WANG D S， JIA S J. Object-aware enhancement based UAV aerial object detection［J］. Computer Engineering and Design， 2022， 43（7）： 2071-2077 （in Chinese）.
34	李杨，武连全，杨海涛，等. 一种无人机视角下的小目标检测算法［J］. 红外技术， 2023， 45（9）： 925-931.
	LI Y， WU L Q， YANG H T， et al. A small target detection algorithm from UAV perspective［J］. Infrared Technology， 2023， 45（9）： 925-931 （in Chinese）.
35	张河山，范梦伟，谭鑫，等. 基于改进YOLOX的无人机航拍图像密集小目标车辆检测［J/OL］. 吉林大学学报（工学版），（2023-12-28）［2024-05-25］. .
	ZHANG H S， FAN M W， TAN X， et al. Dense small object vehicle detection in UAV aerial images using improved YOLOX［J/OL］. Journal of Jilin University （Engineering and Technology Edition），（2023-12-28）［2024-05-25］. .
36	马俊燕，常亚楠. MFE-YOLOX：无人机航拍下密集小目标检测算法［J］. 重庆邮电大学学报（自然科学版）， 2024， 36（1）： 128-135.
	MA J Y， CHANG Y N. MFE-YOLOX： Dense small target detection algorithm under UAV aerial photography［J］. Journal of Chongqing University of Posts and Telecommunications （Natural Science Edition）， 2024， 36（1）： 128-135 （in Chinese）.
37	潘翔，陈前斌，黄昂，等. 基于改进YOLOX的无人机航拍图像小目标检测算法［J］. 南京邮电大学学报（自然科学版）， 2024， 44（1）： 90-100.
	PAN X， CHEN Q B， HUANG A， et al. A small target detection algorithm of UAV aerial photography images based on improved YOLOX［J］. Journal of Nanjing University of Posts and Telecommunications （Natural Science Edition）， 2024， 44（1）： 90-100 （in Chinese）.
38	邱昊，钟小勇，黄林辉，等. 面向航拍小目标的改进YOLOv5n检测算法［J］. 电光与控制， 2023， 30（10）： 95-101.
	QIU H， ZHONG X Y， HUANG L H， et al. An improved YOLOv5n detection algorithm for aerial photography of small targets［J］. Electronics Optics & Control， 2023， 30（10）： 95-101 （in Chinese）.
39	韩俊，袁小平，王准，等. 基于YOLOv5s的无人机密集小目标检测算法［J］. 浙江大学学报（工学版）， 2023， 57（6）： 1224-1233.
	HAN J， YUAN X P， WANG Z， et al. UAV dense small target detection algorithm based on YOLOv5s［J］. Journal of Zhejiang University （Engineering Science）， 2023， 57（6）： 1224-1233 （in Chinese）.
40	刘涛，高一萌，柴蕊，等. 改进YOLOv5s的无人机视角下小目标检测算法［J］. 计算机工程与应用， 2024， 60（1）： 110-121.
	LIU T， GAO Y M， CHAI R， et al. Improved YOLOv5s UAV view small target detection algorithm［J］. Computer Engineering and Applications， 2024， 60（1）： 110-121 （in Chinese）.
41	吴明杰，云利军，陈载清，等. 改进YOLOv5s的无人机视角下小目标检测算法［J］. 计算机工程与应用， 2024， 60（2）： 191-199.
	WU M J， YUN L J， CHEN Z Q， et al. Improved YOLOv5s small object detection algorithm in UAV view［J］. Computer Engineering and Applications， 2024， 60（2）： 191-199 （in Chinese）.
42	陈蕊，郑华飞，蒋鸿宇，等. 结合仿真迁移学习和自适应融合的无人机小目标检测［J］. 小型微型计算机系统， 2023， 44（8）： 1743-1749.
	CHEN R， ZHENG H F， JIANG H Y， et al. Combination of simulation-based transfer learning and adaptive fusion for UAV small object detection［J］. Journal of Chinese Computer Systems， 2023， 44（8）： 1743-1749 （in Chinese）.
43	谢椿辉，吴金明，徐怀宇. 改进YOLOv5的无人机影像小目标检测算法［J］. 计算机工程与应用， 2023， 59（9）： 198-206.
	XIE C H， WU J M， XU H Y. Small object detection algorithm based on improved YOLOv5 in UAV image［J］. Computer Engineering and Applications， 2023， 59（9）： 198-206 （in Chinese）.
44	杨慧剑，孟亮. 基于改进的YOLOv5的航拍图像中小目标检测算法［J］. 计算机工程与科学， 2023， 45（6）： 1063-1070.
	YANG H J， MENG L. A small target detection algorithm based on improved YOLOv5 in aerial image［J］. Computer Engineering & Science， 2023， 45（6）： 1063-1070 （in Chinese）.
45	LIU Z， GAO X H， WAN Y， et al. An improved YOLOv5 method for small object detection in UAV capture scenes［J］. IEEE Access， 2023， 1005（11）： 14365-14374.
46	李利霞，王鑫，王军，等. 基于特征融合与注意力机制的无人机图像小目标检测算法［J］. 图学学报， 2023， 44（4）： 658-666.
	LI L X， WANG X， WANG J， et al. Small object detection algorithm in UAV image based on feature fusion and attention mechanism［J］. Journal of Graphics， 2023， 44（4）： 658-666 （in Chinese）.
47	WANG M， YANG W Z， WANG L J， et al. FE-YOLOv5： Feature enhancement network based on YOLOv5 for small object detection［J］. Journal of Visual Communication and Image Representation， 2023， 90： 103752.
48	何宇豪，易明发，周先存，等. 基于改进的Yolov5的无人机图像小目标检测［J］. 智能系统学报， 2024， 19（3）： 635-645.
	HE Y H， YI M F， ZHOU X C， et al. Small target detection in UAV image based on improved YOLOv5［J］. CAAI Transactions on Intelligent Systems， 2024， 19（3）： 635-645 （in Chinese）.
49	SONG G， DU H W， ZHANG X Y， et al. Small object detection in unmanned aerial vehicle images using multi-scale hybrid attention［J］. Engineering Applications of Artificial Intelligence， 2024， 128： 107455.
50	陈佳慧，王晓虹. 改进YOLOv5的无人机航拍图像密集小目标检测算法［J］. 计算机工程与应用， 2024， 60（3）： 100-108.
	CHEN J H， WANG X H. Dense small object detection algorithm based on improved YOLOv5 in UAV aerial images［J］. Computer Engineering and Applications， 2024， 60（3）： 100-108 （in Chinese）.
51	王晓红，胡豫. 复杂背景下的无人机图像小目标检测［J］. 计算机工程与应用， 2023， 59（15）： 107-114.
	WANG X H， HU Y. UAV image small object detection on complex background［J］. Computer Engineering and Applications， 2023， 59（15）： 107-114 （in Chinese）.
52	张光华，李聪发，李钢硬，等. 基于改进YOLOv7-tiny的无人机航拍图像小目标检测算法［J/OL］. 工程科学与技术，（2023-12-12）［2024-05-25］. .
	ZHANG G H， LI C F， LI G Y， et al. Small target detection algorithm for UAV aerial images based on improved YOLOv7-tiny［J/OL］. Advanced Engineering Sciences，（2023-12-12）［2024-05-25］. .
53	牛为华，魏雅丽. 基于改进YOLOv7的航拍小目标检测算法［J］. 电光与控制， 2024， 31（1）： 117-122.
	NIU W H， WEI Y L. Small target detection in aerial photography images based on improved YOLOv7 algorithm［J］. Electronics Optics & Control， 2024， 31（1）： 117-122 （in Chinese）.
54	邓天民，程鑫鑫，刘金凤，等. 基于特征复用机制的航拍图像小目标检测算法［J］. 浙江大学学报（工学版）， 2024， 58（3）： 437-448.
	DENG T M， CHENG X X， LIU J F， et al. Small target detection algorithm for aerial images based on feature reuse mechanism［J］. Journal of Zhejiang University （Engineering Science）， 2024， 58（3）： 437-448 （in Chinese）.
55	付锦燚，张自嘉，孙伟，等. 改进YOLOv8的航拍图像小目标检测算法［J］. 计算机工程与应用， 2024， 60（6）： 100-109.
	FU J Y， ZHANG Z J， SUN W， et al. Improved YOLOv8 small target detection algorithm in aerial images［J］. Computer Engineering and Applications， 2024， 60（6）： 100-109 （in Chinese）.
56	HE Z， HUANG L， ZENG W J， et al. Elongated small object detection from remote sensing images using hierarchical scale-sensitive networks［J］. Remote Sensing， 2021， 13（16）： 3182.
57	王胜科，任鹏飞，吕昕，等. 基于中心点和双重注意力机制的无人机高分辨率图像小目标检测算法［J］. 应用科学学报， 2021， 39（4）： 650-659.
	WANG S K， REN P F， LÜ X， et al. Small target detection algorithm of UAV high resolution image based on center point and dual attention mechanism［J］. Journal of Applied Sciences， 2021， 39（4）： 650-659 （in Chinese）.
58	刘鑫，黄进，杨涛，等. 改进CenterNet的无人机小目标捕获检测方法［J］. 计算机工程与应用， 2022， 58（14）： 96-104.
	LIU X， HUANG J， YANG T， et al. Improved small object detection for UAV acquisition based on CenterNet［J］. Computer Engineering and Applications， 2022， 58（14）： 96-104 （in Chinese）.
59	SHI T J， GONG J N， HU J M， et al. Feature-enhanced CenterNet for small object detection in remote sensing images［J］. Remote Sensing， 2022， 14（21）： 5488.
60	刘树东，刘业辉，孙叶美，等. 基于倒置残差注意力的无人机航拍图像小目标检测［J］. 北京航空航天大学学报， 2023， 49（3）： 514-524.
	LIU S D， LIU Y H， SUN Y M， et al. Small object detection in UAV aerial images based on inverted residual attention［J］. Journal of Beijing University of Aeronautics and Astronautics， 2023， 49（3）： 514-524 （in Chinese）.
61	JIAO L， KANG C R， DONG S F， et al. An attention-based feature pyramid network for single-stage small object detection［J］. Multimedia Tools and Applications， 2023， 82（12）： 18529-18544.
62	DOLORIEL C T C， CAJOTE R D. Improving the detection of small oriented objects in aerial images［C］∥ 2023 IEEE/CVF Winter Conference on Applications of Computer Vision Workshops （WACVW）. Piscataway： IEEE Press， 2023： 176-185.
63	于傲泽，魏维伟，王平，等. 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（6）： 629148.
	YU A Z， WEI W W， WANG P， et al. Small target detection algorithm for UAV based on patch-wise co-attention［J］. Acta Aeronautica et Astronautica Sinica， 2024， 45（6）： 629148 （in Chinese）.
64	QIN H， WU Y R， DONG F M， et al. Dense sampling and detail enhancement network： Improved small object detection based on dense sampling and detail enhancement［J］. IET Computer Vision， 2022， 16（4）： 307-316.
65	YE T， QIN W Y， LI Y W， et al. Dense and small object detection in UAV-vision based on a global-local feature enhanced network［J］. IEEE Transactions on Instrumentation and Measurement， 2022， 71： 2515513.
66	张智，易华挥，郑锦. 聚焦小目标的航拍图像目标检测算法［J］. 电子学报， 2023， 51（4）： 944-955.
	ZHANG Z， YI H H， ZHENG J. Focusing on small objects detector in aerial images［J］. Acta Electronica Sinica， 2023， 51（4）： 944-955 （in Chinese）.
67	王林，刘景亮，王无为. 基于空洞卷积融合Transformer的无人机图像小目标检测方法［J］. 计算机应用， 2024， 44（11）： 3595-3602.
	WANG L， LIU J L， WANG W W. Small target detection method in UAV images based on dilated convolution fusion Transformer［J］. Journal of Computer Applications， 2024， 44（11）： 3595-3602.
68	彭晏飞，赵涛，陈炎康，等. 基于上下文信息与特征细化的无人机小目标检测算法［J］. 计算机工程与应用， 2024， 60（5）： 183-190.
	PENG Y F， ZHAO T， CHEN Y K， et al. UAV small object detection algorithm based on context information and feature refinement［J］. Computer Engineering and Applications， 2024， 60（5）： 183-190 （in Chinese）.
69	COURTRAI L， PHAM M T， LEFÈVRE S. Small object detection in remote sensing images based on super-resolution with auxiliary generative adversarial networks［J］. Remote Sensing， 2020， 12（19）： 3152.
70	RABBI J， RAY N， SCHUBERT M， et al. Small-object detection in remote sensing images with end-to-end edge-enhanced GAN and object detector network［J］. Remote Sensing， 2020， 12（9）： 1432.
71	COURTRAI L， PHAM M T， FRIGUET C， et al. Small object detection from remote sensing images with the help of object-focused super-resolution using Wasserstein GANs［C］∥IGARSS 2020-2020 IEEE International Geoscience and Remote Sensing Symposium. Piscataway： IEEE Press， 2020： 260-263.
72	MU J Z， LI S， LIU Z M， et al. Integration of gradient guidance and edge enhancement into super-resolution for small object detection in aerial images［J］. IET Image Processing， 2021， 15（13）： 3037-3052.
73	BASHIR S M A， WANG Y. Small object detection in remote sensing images with residual feature aggregation-based super-resolution and object detector network［J］. Remote Sensing， 2021， 13（9）： 1854.
74	WU J Q， XU S B. From point to region： Accurate and efficient hierarchical small object detection in low-resolution remote sensing images［J］. Remote Sensing， 2021， 13（13）： 2620.
75	FANG X L， HU F， YANG M， et al. Small object detection in remote sensing images based on super-resolution［J］. Pattern Recognition Letters， 2022， 153： 107-112.
76	BOSQUET B， CORES D， SEIDENARI L， et al. A full data augmentation pipeline for small object detection based on generative adversarial networks［J］. Pattern Recognition， 2023， 133： 108998.
77	张伟，庄幸涛，王雪力，等. DS-YOLO：一种部署在无人机终端上的小目标实时检测算法［J］. 南京邮电大学学报（自然科学版）， 2021， 41（1）： 86-98.
	ZHANG W， ZHUANG X T， WANG X L， et al. DS-YOLO： A real-time small object detection algorithm on UAVs［J］. Journal of Nanjing University of Posts and Telecommunications （Natural Science Edition）， 2021， 41（1）： 86-98 （in Chinese）.
78	SUN W， DAI L， ZHANG X R， et al. RSOD： Real-time small object detection algorithm in UAV-based traffic monitoring［J］. Applied Intelligence， 2022， 52（8）： 8448-8463.
79	HAN W X， KUERBAN A， YANG Y C， et al. Multi-vision network for accurate and real-time small object detection in optical remote sensing images［J］. IEEE Geoscience and Remote Sensing Letters， 2022， 19： 1-5.
80	AMUDHAN A N， SUDHEER A P. Lightweight and computationally faster hypermetropic convolutional neural network for small size object detection［J］. Image and Vision Computing， 2022， 119： 104396.
81	丛玉华，何啸，邢长达，等. 基于无人机的轻量化小目标检测网络［J］. 弹箭与制导学报， 2022， 42（6）： 6-12.
	CONG Y H， HE X， XING C D， et al. Lightweight small target detection network based on UAV［J］. Journal of Projectiles， Rockets， Missiles and Guidance， 2022， 42（6）： 6-12 （in Chinese）.
82	ZHAN W， SUN C F， WANG M C， et al. An improved Yolov5 real-time detection method for small objects captured by UAV［J］. Soft Computing， 2022， 26（1）： 361-373.
83	奉志强，谢志军，包正伟，等. 基于改进YOLOv5的无人机实时密集小目标检测算法［J］. 航空学报， 2023， 44（7）： 327106.
	FENG Z Q， XIE Z J， BAO Z W， et al. Real-time dense small object detection algorithm for UAV based on improved YOLOv5［J］. Acta Aeronautica et Astronautica Sinica， 2023， 44（7）： 327106 （in Chinese）.
84	刘延芳，佘佳宇，袁秋帆，等. 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.
	LIU Y F， SHE J Y， YUAN Q F， et al. Real-time small target detection networks for UAV remote sensing［J］. Acta Aeronautica et Astronautica Sinica， 2024， 45（14）： 630119 （in Chinese）.
85	AKYON F C， ONUR ALTINUC S， TEMIZEL A. Slicing aided hyper inference and fine-tuning for small object detection［C］‍∥2022 IEEE International Conference on Image Processing （ICIP）. Piscataway： IEEE Press， 2022： 966-970.
86	ZHANG H， HAO C Y， SONG W R， et al. Adaptive slicing-aided hyper inference for small object detection in high-resolution remote sensing images［J］. Remote Sensing， 2023， 15（5）： 1249.
87	XU C， WANG J W， YANG W， et al. Detecting tiny objects in aerial images： A normalized Wasserstein distance and a new benchmark［J］. ISPRS Journal of Photogrammetry and Remote Sensing， 2022， 190： 79-93.
88	XIONG Z X， SONG T， HE S， et al. A unified and costless approach for improving small and long-tail object detection in aerial images of traffic scenarios［J］. Applied Intelligence， 2023， 53（11）： 14426-14447.
89	LI Y Y， HUANG Q， PEI X， et al. Cross-layer attention network for small object detection in remote sensing imagery［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing， 2021， 14： 2148-2161.
90	LIANG B， SU J， FENG K K， et al. Cross-layer triple-branch parallel fusion network for small object detection in UAV images［J］. IEEE Access， 2023， 11： 39738-39750.
91	HUANG S Q， LIU Q. Addressing scale imbalance for small object detection with dense detector［J］. Neurocomputing， 2022， 473： 68-78.
92	KOYUN O C， KESER R K， AKKAYA İ B， et al. Focus-and-Detect： A small object detection framework for aerial images［J］. Signal Processing： Image Communication， 2022， 104： 116675.
93	TIAN G Y， LIU J R， ZHAO H， et al. Small object detection via dual inspection mechanism for UAV visual images［J］. Applied Intelligence， 2022， 52（4）： 4244-4257.
94	ZHU P， WEN L， DU D， et al. VisDrone-DET2018： the vision meets drone object detection in image challenge results［C］∥European Conference on Computer Vision Workshops， 2018： 437-468.
95	ZHU P F， WEN L Y， DU D W， et al. Detection and tracking meet drones challenge［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2022， 44（11）： 7380-7399.
96	DU D， ZHANG Y， WANG Z， et al. VisDrone-DET2019： The vision meets drone object detection in image challenge results［C］∥IEEE International Conference on Computer Vision Workshops， Piscataway： IEEE Press； 2019： 213-226.
97	DU D W， WEN L Y， ZHU P F， et al. VisDrone-DET2020： The vision meets drone object detection in image challenge results［M］∥Lecture Notes in Computer Science. Cham： Springer International Publishing， 2020： 692-712.
98	CAO Y R， HE Z J， WANG L J， et al. VisDrone-DET2021： The vision meets drone object detection challenge results［C］∥2021 IEEE/CVF International Conference on Computer Vision Workshops （ICCVW）. Piscataway： IEEE Press， 2021： 2847-2854.
99	HSIEH M R， LIN Y L， HSU W H. Drone-based object counting by spatially regularized regional proposal network［C］∥2017 IEEE International Conference on Computer Vision （ICCV）. Piscataway： IEEE Press， 2017： 4165-4173.
100	DU D W， QI Y K， YU H Y， et al. The unmanned aerial vehicle benchmark： Object detection and tracking［C］∥European Conference on Computer Vision. Cham： Springer， 2018： 375-391.
101	BOZCAN I， KAYACAN E. AU-AIR： A multi-modal unmanned aerial vehicle dataset for low altitude traffic surveillance［C］∥2020 IEEE International Conference on Robotics and Automation （ICRA）. Piscataway： IEEE Press， 2020： 8504-8510.
102	BONDI E， JAIN R， AGGRAWAL P， et al. BIRDSAI： A dataset for detection and tracking in aerial thermal infrared videos［C］∥2020 IEEE Winter Conference on Applications of Computer Vision （WACV）. Piscataway： IEEE Press， 2020： 1736-1745.
103	ZHANG W， LIU C S， CHANG F L， et al. Multi-scale and occlusion aware network for vehicle detection and segmentation on UAV aerial images［J］. Remote Sensing， 2020， 12（11）： 1760.
104	ZHANG H J， SUN M S， LI Q， et al. An empirical study of multi-scale object detection in high resolution UAV images［J］. Neurocomputing， 2021， 421： 173-182.
105	KIEFER B， MESSMER M， ZELL A. Diminishing domain bias by leveraging domain labels in object detection on UAVs［C］‍∥2021 20th International Conference on Advanced Robotics （ICAR）. Piscataway： IEEE Press， 2021： 523-530.
106	DAI Y M， WU Y Q， ZHOU F， et al. Asymmetric contextual modulation for infrared small target detection［C］∥2021 IEEE Winter Conference on Applications of Computer Vision （WACV）. Piscataway： IEEE Press， 2021： 949-958.
107	XU X W， ZHANG X Y， YU B， et al. DAC-SDC low power object detection challenge for UAV applications［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2021， 43（2）： 392-403.
108	SUN Y M， CAO B， ZHU P F， et al. Drone-based RGB-infrared cross-modality vehicle detection via uncertainty-aware learning［J］. IEEE Transactions on Circuits and Systems for Video Technology， 2022， 32（10）： 6700-6713.
109	VARGA L A， KIEFER B， MESSMER M， et al. SeaDronesSee： A maritime benchmark for detecting humans in open water［C］∥2022 IEEE/CVF Winter Conference on Applications of Computer Vision （WACV）. Piscataway： IEEE Press， 2022： 3686-3696.
110	HE X Y， TANG Z W， DENG Y B， et al. UAV-based road crack object-detection algorithm［J］. Automation in Construction， 2023， 154： 105014.
111	JIANG L J， YUAN B X， DU J W， et al. MFFSODNet： Multiscale feature fusion small object detection network for UAV aerial images［J］. IEEE Transactions on Instrumentation Measurement， 2024， 73： 3381272.
112	SHIN G， YOOUN H， SHIN D， et al. Incremental learning method for cyber intelligence， surveillance， and reconnaissance in closed military network using converged IT techniques［J］. Soft Computing， 2018， 22（20）： 6835-6844.
113	王强，吴乐天，王勇，等. 基于关键点检测的红外弱小目标检测［J］. 航空学报， 2023， 44（10）： 328173.
	WANG Q， WU L T， WANG Y， et al. An infrared small target detection method based on key point［J］. Acta Aeronautica et Astronautica Sinica， 2023， 44（10）： 328173 （in Chinese）.
114	张立国，蒋轶轩，田广军. 基于多尺度融合方法的无人机对地车辆目标检测算法研究［J］. 计量学报， 2021， 42（11）： 1436-1442.
	ZHANG L G， JIANG Y X， TIAN G J. Research on unmanned aerial vehicle to ground vehicle target detection algorithm based on multiscale fusion method［J］. Acta Metrologica Sinica， 2021， 42（11）： 1436-1442 （in Chinese）.
115	MHALLA A， CHATEAU T， GAZZAH S， et al. An embedded computer-vision system for multi-object detection in traffic surveillance［J］. IEEE Transactions on Intelligent Transportation Systems， 2019， 20（11）： 4006-4018.
116	张河山，谭鑫，范梦伟，等. 无人机高空航拍视角下小尺度车辆精确检测方法［J］.交通运输系统工程与信息， 2024， 24（3）： 299-309.
	ZHANG H S， TAN X， FAN M W， et al. Accurate detection method of small-scale vehicles from perspective of unmanned aerial vehicle high-altitude aerial photography［J］. Journal of Transportation Systems Engineering and Information Technology， 2024， 24（3）： 299-309.
117	ZHU J S， SUN K， JIA S， et al. Urban traffic density estimation based on ultrahigh-resolution UAV video and deep neural network［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing， 2018， 11（12）： 4968-4981.
118	WANG J F， CHEN Y， DONG Z K， et al. Improved YOLOv5 network for real-time multi-scale traffic sign detection［J］. Neural Computing and Applications， 2023， 35（10）： 7853-7865.
119	WANG S Y， QU Z， LI C J， et al. BANet： Small and multi-object detection with a bidirectional attention network for traffic scenes［J］. Engineering Applications of Artificial Intelligence， 2023， 117： 105504.
120	贺拴海，王安华，朱钊，等. 公路桥梁智能检测技术研究进展［J］. 中国公路学报， 2021， 34（12）： 12-24.
	HE S H， WANG A H， ZHU Z， et al. Research progress on intelligent detection technologies of highway bridges［J］. China Journal of Highway and Transport， 2021， 34（12）： 12-24 （in Chinese）.
121	PENG L G， ZHANG J C， LI Y Q， et al. A novel percussion-based approach for pipeline leakage detection with improved MobileNetV2［J］. Engineering Applications of Artificial Intelligence， 2024， 133： 108537.
122	XU Z H， LIU Y X， GAN L， et al. RNGDet： Road network graph detection by transformer in aerial images［J］. IEEE Transactions on Geoscience and Remote Sensing， 2022， 60： 4707612.
123	ZHENG C， PENG B C， CHEN B Q， et al. Multiscale fusion network for rural newly constructed building detection in unmanned aerial vehicle imagery［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing， 2022， 15： 9160-9173.
124	刘传洋，吴一全，刘景景. 无人机航拍图像中电力线检测方法研究进展［J］. 中国图象图形学报， 2023， 28（10）： 3025-3048.
	LIU C Y， WU Y Q， LIU J J. The growth of UAV aerial images-related power lines detection： A literature review of 2023［J］. Journal of Image and Graphics， 2023， 28（10）： 3025-3048 （in Chinese）.
125	SHARMA P， SAURAV S， SINGH S. Object detection in power line infrastructure： A review of the challenges and solutions［J］. Engineering Applications of Artificial Intelligence， 2024， 130： 107781.
126	刘传洋，吴一全，刘景景. 基于视觉的输电线路金具锈蚀缺陷检测方法研究进展［J］. 仪器仪表学报， 2024， 45（3）： 286-305.
	LIU C Y， WU Y Q， LIU J J. Research progress of vision-based rust defect detection methods for metal fittings in transmission lines［J］. Chinese Journal of Scientific Instrument， 2024， 45（3）： 286-305.
127	罗潇，於锋，彭勇. 基于深度学习的无人机电网巡检缺陷检测研究［J］. 电力系统保护与控制， 2022， 50（10）： 132-139.
	LUO X， YU F， PENG Y. UAV power grid inspection defect detection based on deep learning［J］. Power System Protection and Control， 2022， 50（10）： 132-139 （in Chinese）.
128	宋立业，刘帅，王凯，等. 基于改进EfficientDet的电网元件及缺陷识别方法［J］. 电工技术学报， 2022， 37（9）： 2241-2251.
	SONG L Y， LIU S， WANG K， et al. Identification method of power grid components and defects based on improved EfficientDet［J］. Transactions of China Electrotechnical Society， 2022， 37（9）： 2241-2251 （in Chinese）.
129	ZHAO L， ZHI L Q， ZHAO C， et al. Fire-YOLO： A small target object detection method for fire inspection［J］. Sustainability， 2022， 14（9）： 4930.
130	LIU W Y， REN G F， YU R S， et al. Image-adaptive YOLO for object detection in adverse weather conditions［J］. Proceedings of the AAAI Conference on Artificial Intelligence， 2022， 36（2）： 1792-1800.
131	YANMAZ E. Joint or decoupled optimization： Multi-UAV path planning for search and rescue［J］. Ad Hoc Networks， 2023， 138： 103018.
132	PAULIN G， SAMBOLEK S， IVASIC-KOS M. Application of raycast method for person geolocalization and distance determination using UAV images in Real-World land search and rescue scenarios［J］. Expert Systems with Applications， 2024， 237： 121495.
133	DOMOZI Z， STOJCSICS D， BENHAMIDA A， et al. Real time object detection for aerial search and rescue missions for missing persons［C］∥2020 IEEE 15th International Conference of System of Systems Engineering （SoSE）. Piscataway： IEEE Press， 2020： 519-524.
134	BOŽIĆ‍-‍ŠTULIĆ D， MARUŠIĆ Ž， GOTOVAC S. Deep learning approach in aerial imagery for supporting land search and rescue missions［J］. International Journal of Computer Vision， 2019， 127（9）： 1256-1278.
135	XU J H， FAN X T， JIAN H D， et al. YoloOW： A spatial scale adaptive real-time object detection neural network for open water search and rescue from UAV aerial imagery［J］. IEEE Transactions on Geoscience and Remote Sensing， 2024， 62： 5623115.
136	CHEN Y， LEE W S， GAN H， et al. Strawberry yield prediction based on a deep neural network using high-resolution aerial orthoimages［J］. Remote Sensing， 2019， 11（13）： 1584.
137	WITTSTRUCK L， KÜHLING I， TRAUTZ D， et al. UAV-based RGB imagery for Hokkaido pumpkin （cucurbita max.） detection and yield estimation［J］. Sensors， 2020， 21（1）： 118.
138	PANG Y， SHI Y Y， GAO S C， et al. Improved crop row detection with deep neural network for early-season maize stand count in UAV imagery［J］. Computers and Electronics in Agriculture， 2020， 178： 105766.
139	OSCO L P， DOS SANTOS DE ARRUDA M， GONÇALVES D N， et al. A CNN approach to simultaneously count plants and detect plantation-rows from UAV imagery［J］. ISPRS Journal of Photogrammetry and Remote Sensing， 2021， 174： 1-17.
140	MARTIN C， ZHANG Q N， ZHAI D J， et al. Enabling a large-scale assessment of litter along Saudi Arabian red Sea Shores by combining drones and machine learning［J］. Environmental Pollution， 2021， 277： 116730.
141	XUE B， HUANG B X， WEI W B， et al. An efficient deep-sea debris detection method using deep neural networks［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing， 2021， 14： 12348-12360.
142	JIA T L， KAPELAN Z， DE VRIES R， et al. Deep learning for detecting macroplastic litter in water bodies： A review［J］. Water Research， 2023， 231： 119632.
143	苏航，徐从安，姚力波，等. 一种轻量化SAR图像舰船目标斜框检测方法［J］. 航空学报， 2022， 43（S1）： 726922.
	SU H， XU C A， YAO L B， et al. A lightweight oriented ship detection method in SAR images［J］. Acta Aeronautica et Astronautica Sinica， 2022， 43（S1）： 726922 （in Chinese）.
144	肖欣林，施伟超，郑向涛，等. 基于多模型协同的舰船目标检测［J］. 航空学报， 2024， 45（14）： 630241.
	XIAO X L， SHI W C， ZHENG X T， et al. Multiple models collaboration for ship detection［J］. Acta Aeronautica et Astronautica Sinica， 2024， 45（14）： 630241 （in Chinese）.
145	ER M J， ZHANG Y N， CHEN J， et al. Ship detection with deep learning： A survey［J］. Artificial Intelligence Review， 2023， 56（10）： 11825-11865.
146	DELPLANQUE A， FOUCHER S， LEJEUNE P， et al. Multispecies detection and identification of African mammals in aerial imagery using convolutional neural networks［J］. Remote Sensing in Ecology and Conservation， 2022， 8（2）： 166-179.
147	KELLENBERGER B， MARCOS D， TUIA D. Detecting mammals in UAV images： Best practices to address a substantially imbalanced dataset with deep learning［J］. Remote Sensing of Environment， 2018， 216： 139-153.

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

方法分类			文献
判别性特征学习	基于RCNN与SSD系列改进的判别性特征学习	RCNN系列	［26-28］
	基于RCNN与SSD系列改进的判别性特征学习	SSD系列	［29-31］
	基于YOLO系列改进的判别性特征学习	YOLOv3	［32］
		YOLOv4	［33］
		YOLOX	［34-37］
		YOLOv5n	［38］
		YOLOv5s	［39-41］
		YOLOv5系列	［42-50］
		YOLOv7	［51-53］
		YOLOv8	［54-55］
	基于CenterNet改进的判别性特征学习		［56-59］
	基于注意力机制的判别性特征学习		［60-63］
	基于特征细化、增强和融合的判别性特征学习		［64-68］
超分辨率技术			［69-76］
实时轻量化检测			［77-84］
其他改进思路	切片辅助超推理		［85-86］
	标签分配		［87-88］
	跨层操作		［89-90］
	其他		［91-93］

方法分类		具体改进说明
基于YOLO系列改进的判别性特征学习	YOLOv3	优化主干Darknet中的残差块，并在早期层增加卷积运算以丰富空间信息
	YOLOv4	在主干网络中添加注意力模块，多尺度聚合与校准特征，并设计新的检测头
	YOLOX	使用自适应特征融合、采用坐标注意力和通道空间注意力、增大网络输出特征图、优化目标的位置损失
	YOLOv5n	改进检测头、添加轻量通道注意力和自适应特征融合模块、采用增强的交并比损失函数训练模型
	YOLOv5s	使用压缩激励、双级路由以及混合域注意力，动态目标检测头、多尺度特征组件、自适应权重动态融合
	YOLOv5	设计新空间金字塔池化组件、加权双向特征金字塔、特征增强模块、多头注意力组件和多尺度混合注意力
	YOLOv7	预测头集成ConvMixer层、引入上下文Transformer模块、使用SIoU和EIoU损失函数训练模型
	YOLOv8	引入轻量化特征提取和内容感知特征重组模块、上下文聚合模块、使用NWD损失函数对网络进行训练

方法分类	具体技术	优点	缺点
判别性特征学习	基于RCNN与SSD进行改进	一定程度促进小目标的检测	效率和性能较低
	优化YOLO系列的框架	兼具性能和效率	大多为模块组合型改进，原始创新较少
	基于CenterNet进行改进	关注目标中心点	错误的边界框将影响模型检测性能
	聚焦注意力机制的优化	能够一定程度聚焦小目标	聚焦区域的信息并非都利于小目标检测
	基于特征细化、增强和融合改进	能助力小目标的检测	模型效率有待提高
超分辨率技术	主要使用GAN进行超分辨率处理	有效增强图像的细节信息	GAN模型难以训练
实时轻量化检测	采用轻量化模型和策略	轻量化模型实现实时检测	检测精度有待进一步提升
其他改进思路	切片辅助超推理技术	可用于任意的目标检测器	具有较大的计算冗余
	标签分配策略	为模型训练提供更多的监督信息	引入了大量的超参数
	跨层操作	实现小目标特征之间的信息交互	结构变得复杂
	其他	一定程度上利于小目标的检测	方法操作步骤较为繁琐

挑战赛	方法	AP/%	AP₅₀/%	AP₇₅/%	AR₁/%	AR₁₀/%	AR₁₀₀/%	AR₅₀₀/%
VisDrone-DET2018	HAL-RetinaNet	31.88	46.18	32.12	0.97	7.50	34.43	90.63
	DPNet	30.92	54.62	31.17	1.05	8.00	36.80	50.48
	DE-FPN	27.10	48.72	26.58	0.90	6.97	33.58	40.57
VisDrone-DET2019	DPNet-ensemble	29.62	54.00	28.70	0.58	3.69	17.10	42.37
	RRNet	29.13	55.82	27.23	1.02	8.50	35.19	46.05
	ACM-OD	29.13	54.07	27.38	0.32	1.48	9.46	44.53
VisDrone-DET2020	DroneEye2020	34.57	58.21	35.74	0.28	1.92	6.93	52.37
	TAUN	34.54	59.42	34.97	0.14	0.72	12.81	49.80
	CDNet	34.19	57.52	35.13	0.80	8.12	39.39	52.62
VisDrone-DET2021	DBNet	39.43	65.34	41.07	0.29	2.03	12.13	55.36
	SOLOer	39.42	63.91	40.87	1.75	10.94	44.69	55.91
	Swin-T	39.40	63.91	40.87	1.76	10.96	44.65	56.83

年份	方法	AP/%
年份	方法	行人	人	自行车	汽车	厢式货车	卡车	三轮车	遮阳三轮车	公共汽车	摩托车
2018	HAL-RetinaNet	46.18	44.34	42.24	39.63	36.27	32.12	26.87	20.88	16.01	14.24
	DPNet	54.62	52.46	49.31	45.06	38.97	31.17	21.79	11.85	3.78	0.17
	DE-FPN	48.72	46.54	43.42	39.26	33.60	26.58	18.64	10.71	3.34	0.15
2019	DPNet-ensemble	32.31	15.97	12.86	51.53	39.80	30.66	30.66	18.41	38.45	28.03
	RRNet	30.44	14.85	13.72	51.43	36.14	35.22	28.02	19.00	44.20	25.85
	ACM-OD	30.75	15.50	10.26	52.69	38.93	33.19	26.96	21.88	41.39	24.91
2020	DroneEye2020	35.70	18.27	14.02	56.51	42.91	37.61	35.41	25.91	50.37	28.95
	TAUN	34.98	19.05	17.23	54.62	41.71	38.67	35.10	26.53	48.49	29.06
	CDNet	35.64	19.15	13.84	55.77	42.12	38.22	32.97	25.42	49.49	29.28

基于深度学习的无人机航拍图像小目标检测研究进展

Research advances on deep learning-based small object detection in UAV aerial images

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 9

参考文献 147

相关文章 15

编辑推荐

Metrics

本文评价

方法	AP/%	AP₅₀/%	参数	FLOPs
SSD	5.7	10.9	26.3 M	31.8 B
RetinaNet	15.7	26.2	57 M	273 B
CenterNet	14.0	29.0
Faster R-CNN	20.6	36.3	134.7 M	181.1 B
YOLOv3	27.9	45.4	61.9 M	156.3 G
YOLOv5s	23.6	39.4	7.2 M	16.5 G
YOLOv5m	26.2	42.9	21.2 M	49 G
YOLOv5l	27.5	44.6	46.5 M	109.1 G
YOLOv6n	18.5	31.5	4.7 M	11.4 G
YOLOv7		34.5	37.3 M	173 G
YOLOv8s	24.2	40.5	11.2 M	28.8 G
YOLOv8m	26.9	43.8	25.9 M	79.3 G
YOLOv8l	28.2	44.6	43.7 M	165.7 G
YOLOv8x	28.3	45.5	68.2 M	258.5 G

应用分类		简要说明
军事领域	军事情报侦察	无人机通过配备雷达和高分辨率相机，获取敌人位置和活动的情报数据，助力军事规划和决策
	战场监视和评估	无人机通过绘制小目标区域地图，监视战场潜在风险。此外，无人机能捕获遭受军事打击影响地区的图像数据，以分析评估袭击的有效性
	军事目标捕获与验证	无人机航拍图像小目标检测助力军事小目标的识别和定位，并通过分析袭击前后目标的图像数据有效验证敌方目标在军事行动中是否被有效击中
民用领域	智能交通治理	无人机航拍图像小目标检测通过捕获交通场景内的必要信息以辅助智能交通的治理，例如对小型车辆的检测与计数、对小尺度交通标志的准确识别等
	基础设施检查和维护	无人机可以通过从不同角度航拍桥梁、管道、道路、建筑物、电力线、绝缘子、防震锤等高分辨率图像以实现对这些基础设施的检查和分析
	灾害防治	无人机航拍图像小目标检测可以从受灾地区（如地震、山体滑坡、洪水、火灾、恶劣天气等）的鸟瞰图中准确识别地面小目标，为灾害救援和管理提供帮助
	搜索和救援	无人机可用于快速搜索大面积和偏远地区的失踪人员或其他小目标，并对此开展救援工作
	农作物管理与分析	无人机可以捕获小型作物（如草莓、南瓜、苹果、玉米、柑橘）的信息，监控和分析农作物生长进程
	生态保护和监测	无人机航拍图像小目标检测能监测海上小型船只以及非法捕鱼活动。此外，它还可用于海洋垃圾与碎片检测、野生哺乳动物识别，从而为生态保护和监测提供有力支持

[1]	徐建宇, 周莉, 王占学, 是介, 史毫. 基于快速逐线计算模型的高超声速羽流红外辐射计算方法[J]. 航空学报, 2025, 46(8): 630778-630778.
[2]	孟令捷, 李红光, 李新军. 基于地貌类别信息指导的SAR图像仿真方法[J]. 航空学报, 2025, 46(7): 331003-331003.
[3]	赵志浩, 杨照华, 吴云, 余远金. 弱光环境下基于深度学习的单光子计数成像去噪方法[J]. 航空学报, 2025, 46(3): 630531-630531.
[4]	杨显赵, 刘高文, 郭令颖, 马佳乐, 林阿强. 高温降涡轮高位预旋供气系统设计[J]. 航空学报, 2025, 46(2): 130672-130672.
[5]	张新睿, 熊智, 华冰, 康骏, 何辉宇. 基于惯性/天文深度融合的跨域飞行器异构多源组合导航方法[J]. 航空学报, 2024, 45(S1): 730614-730614.
[6]	柳家齐, 陈荣钱, 楼锦华, 韩旭, 吴昊, 尤延铖. 基于深度学习的高速直升机旋翼翼型气动优化设计[J]. 航空学报, 2024, 45(9): 529828-529828.
[7]	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.
[8]	郑高杰, 何小明, 李东坡, 谭慧俊, 汪昆, 吴祯龙, 王德鹏. 尾部推进无人机双90°偏折进气道/蜗壳耦合流动特性[J]. 航空学报, 2024, 45(4): 128782-128782.
[9]	刘海桥, 刘萌, 龚子超, 董晶. 基于深度学习的图像匹配方法综述[J]. 航空学报, 2024, 45(3): 28796-028796.
[10]	吴跃腾, 巴顿, 杜娟, 李云飞, 常军涛. 基于深度注意力网络的压气机流场重构方法[J]. 航空学报, 2024, 45(24): 630580-630580.
[11]	王梓, 王靖皓, 李杨, 李璋, 于起峰. 基于轻量级神经网络的非合作目标位姿单目测量[J]. 航空学报, 2024, 45(22): 330248-330248.
[12]	武天才, 王宏伦, 任斌, 严国乘, 吴星雨. 基于学习的高超声速飞行器分层协调容错方法[J]. 航空学报, 2024, 45(22): 330191-330191.
[13]	樊云翔, 艾化楠, 王明振, 曹楷, 刘学军, 吕宏强. 基于深度学习的水上飞机非定常水载荷重构[J]. 航空学报, 2024, 45(20): 129882-129882.
[14]	李俊燊, 孟祥彦, 石暖暖, 李伟, 祝宁华, 李明. 光学神经网络智能处理：技术演变与未来展望[J]. 航空学报, 2024, 45(20): 630439-630439.
[15]	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.