一种基于轻量交叉注意力的无人机目标检测方法及系统

本发明涉及计算机视觉，尤其是涉及一种基于轻量交叉注意力的无人机目标检测方法及系统。

背景技术：

1、随着无人机在低空巡检、安防监测、交通监管、灾害评估和军事侦察等领域的广泛应用，基于无人机图像的自动目标检测技术已成为低空智能感知的重要研究方向。无人机图像与传统地面视角图像相比，具有目标尺度小、俯视视角明显、目标分布密集、背景复杂、遮挡严重以及目标类别易混淆等特点，因此对目标检测模型的精度和效率均提出了较高要求。

2、现有深度学习目标检测算法中，单阶段检测方法因兼顾检测速度和检测精度而得到广泛应用，其中yolo系列算法在工程部署中具有较高实用价值。然而，将常规目标检测网络直接应用于无人机图像场景时，仍面临如下问题：

3、小目标在深层特征中容易丢失，导致漏检率较高；

4、复杂背景会干扰特征提取，导致误检较多；

5、深层语义特征与浅层细节特征之间存在尺度差异，跨尺度融合效果有限；

6、为提升跨尺度融合能力，现有技术常引入交叉注意力或可变形交叉注意力模块，但此类模块通常计算复杂度较高，推理延迟较大，不利于无人机实时处理部署。

7、尤其是在无人机边缘计算、实时巡检和机载处理等应用场景下，检测算法除了要具备较高精度外，还需要具备较低时延和较高帧率。现有交叉注意力增强方案虽可提高一定检测性能，但往往伴随着参数量增加、flops提升和访存负担加重的问题，因此难以兼顾检测精度与实时性。

8、例如，公开号为cn119313878a的中国专利提出了一种基于交叉注意力融合特征金字塔网络的飞机目标检测方法，通过构建交叉注意力融合模块对相邻尺度特征图进行注意力计算，获取不同尺度间的特征依赖关系，以丰富融合特征的语义信息、提升多尺度表征能力。但该方案仍存在明显局限：其一，其交叉注意力模块直接对原始尺度特征执行注意力计算，模块计算复杂度高、参数量大，会显著提升模型的计算开销与访存负担；其二，该方案针对遥感图像飞机检测场景设计，未针对无人机俯视视角下小目标密集、背景复杂的特性对特征交互进行筛选，冗余特征交互较多，难以在无人机边缘端、机载端等资源受限场景下实现低时延推理；其三，该方案仅通过相邻尺度交叉注意力优化特征金字塔融合，无法同时满足无人机目标检测对高精度与高实时性的双重需求。

9、综上，当前无人机图像目标检测技术存在跨尺度特征融合能力与计算效率难以兼顾、无法适配资源受限场景下实时检测需求的问题。

技术实现思路

1、本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于轻量交叉注意力的无人机目标检测方法及系统。通过构建全息门控特征金字塔解决多尺度特征融合中的噪声干扰问题，并设计引入对比学习机制的解耦检测头，在特征空间内拉大相似类别的距离，从而在不增加外部分类器的情况下，显著提升对微小目标的检测精度和分类鲁棒性。

2、本发明的目的可以通过以下技术方案来实现：

3、根据本发明的一个方面，提供了一种基于轻量交叉注意力的无人机目标检测方法，方法步骤包括：

4、s1、获取无人机采集的目标图像并进行预处理；

5、s2、将预处理后的图像输入目标检测主干网络，提取不同层级的多尺度特征图；

6、s3、将多尺度特征图输入轻量交叉注意力融合模块，进行跨尺度特征交互与增强，输出融合后的特征图；所述轻量交叉注意力融合模块包括输入特征适配单元、轻量投影单元、交叉注意力计算单元和特征融合输出单元；

7、s4、将融合后的特征图输入检测头，输出包括目标类别、边界框位置和目标置信度的目标检测结果。

8、作为优选的技术方案，预处理包括对目标图像进行图像缩放、随机翻转、随机裁剪、色彩扰动、马赛克增强和归一化处理。

9、作为优选的技术方案，目标检测主干网络采用改进的cspdarknet53架构，所述改进的cspdarknet53架构由cbs模块、c3模块和sppf模块构成；其中，cbs模块由卷积层、批归一化层和silu激活函数构成；c3模块包含多个bottleneck残差块，输入特征被分为两部分，其中一部分直接传递，另一部分经bottleneck残差块处理后再进行合并；sppf模块为空间金字塔池化快速结构，通过多个池化操作获取不同感受野下的上下文信息。

10、作为优选的技术方案，输入特征适配单元用于对来自不同尺度的特征图进行空间尺寸对齐及通道统一；

11、所述轻量投影单元用于通过卷积映射对输入特征进行通道压缩，并生成查询特征、键特征和值特征；

12、所述交叉注意力计算单元用于以一层特征生成的查询特征与另一层特征生成的键特征和值特征进行交互，得到跨尺度注意力增强结果；

13、所述特征融合输出单元用于将注意力增强结果与原始输入特征通过残差连接、拼接或门控方式进行融合，输出融合后的特征图。

14、作为优选的技术方案，轻量投影单元采用通道压缩方式降低特征维度，所述交叉注意力计算单元采用分组计算、局部窗口注意力或稀疏区域选择中的至少一种方式降低计算复杂度。

15、作为优选的技术方案，轻量投影单元通过1×1卷积、分组卷积或深度可分离卷积实现所述通道压缩。

16、作为优选的技术方案，轻量交叉注意力融合模块在特征融合过程中采用自适应采样方式，以根据不同尺度特征的空间分布调整交互位置。

17、作为优选的技术方案，轻量交叉注意力融合模块接收来自不同检测路径的两路特征图，其中一路为细节特征图，另一路为语义特征图，所述细节特征图的空间分辨率高于所述语义特征图，且二者经空间尺寸对齐和通道映射后进行交叉注意力交互。

18、作为优选的技术方案，检测头采用多尺度预测头设计，包括至少三个不同尺度的预测头，每个预测头通过卷积层输出类别得分、边界框位置参数和目标置信度，随后对各预测头输出的候选框进行非极大值抑制筛选。

19、根据本发明的另一个方面，提供了一种基于轻量交叉注意力的无人机目标检测系统，系统包括：

20、图像获取模块，用于获取无人机采集的目标图像；

21、预处理模块，用于对所述目标图像进行预处理；

22、主干特征提取模块，用于将预处理后的图像输入目标检测主干网络，提取不同层级的多尺度特征图；

23、轻量交叉注意力融合模块，用于对所述多尺度特征图进行跨尺度特征交互与增强，输出融合后的特征图；

24、检测输出模块，用于将融合后的特征图输入检测头，输出包括目标类别、边界框位置和目标置信度的目标检测结果。

25、与现有技术相比，本发明具有以下有益效果：

26、1、本发明通过图像预处理、主干网络多尺度特征提取、轻量交叉注意力融合和检测头输出组成的检测方法，不同层级的多尺度特征图在轻量交叉注意力融合模块中完成空间与通道适配、特征投影、跨尺度注意力交互及融合增强后，再用于目标类别、边界框位置和目标置信度的预测。该方案兼顾了跨尺度特征表达能力与计算效率，能够在尽量保持检测精度的基础上降低交叉注意力计算成本、减少冗余特征交互并提高推理速度，更适合实时无人机目标检测场景，满足实时目标检测需求。

27、2、本发明通过设置输入特征适配单元、轻量投影单元、交叉注意力计算单元和特征融合输出单元，并结合通道压缩、低维映射、1×1卷积、分组卷积或深度可分离卷积等方式，有效减少特征投影和注意力计算过程中的参数量与运算量，从而降低交叉注意力运算复杂度。

28、3、本发明通过采用分组计算、局部窗口注意力、稀疏区域选择以及自适应采样等方式，使交叉注意力计算集中于关键区域或重要位置，减少背景区域参与的无效运算，降低背景冗余计算，提升特征融合效率和整体运行效率。且本发明通过对来自不同尺度和不同检测路径的特征图进行空间尺寸对齐、通道统一及交叉注意力交互，使细节特征与语义特征实现有效融合，从而提升多尺度融合效率，增强跨尺度特征表达能力，提高目标特征的判别性。

29、4、本发明通过采用改进的cspdarknet53主干网络和多尺度预测头设计，能够更充分地提取局部纹理信息、深层语义信息及上下文信息，并针对不同尺度目标进行检测，从而增强无人机场景中的目标检测能力，尤其在小目标、复杂背景和密集分布场景下具有更好的检测稳定性和鲁棒性。

30、5、本发明通过对输入图像实施图像缩放、随机翻转、随机裁剪、色彩扰动、马赛克增强和归一化处理，提高了模型对尺度变化、姿态变化、光照变化及遮挡情况的适应能力，从而提升模型泛化性能和复杂场景下的检测准确性。