DASSF: Dynamic-Attention Scale-Sequence Fusion for Aerial Object Detection

本文旨在解决计算机视觉领域中航空图像小目标检测的基本任务。航拍中的移动目标存在不同的形状和大小、密集重叠、背景遮挡和模糊等问题，然而，由于原始的YOLO算法对不同尺度目标的感知能力较弱，因此其整体检测精度较低。为了提高密集重叠小目标和模糊目标的检测精度，本文提出了一种动态注意力尺度序列融合算法(DASSF)用于航空图像中的小目标检测。首先，我们提出了一种动态尺度序列特征融合(DSSFF)模块，该模块改善了上采样机制并减少了计算负担。其次，特别增加了一个x-small目标检测头以增强小目标的检测能力。最后，为了提高不同类型和大小目标的表现能力，使用动态头(DyHead)。我们提出的模型解决了航空图像中小目标检测的问题，并可应用于多个不同版本的YOLO算法，具有普遍性。实验结果表明，当DASSF方法应用于YOLOv8时，在VisDrone-2019和DIOR数据集上，相对于YOLOv8n，模型分别显示出9.2%和2.4%的平均精度(mAP)的增加，并且优于当前主流方法。

解决问题：论文旨在提高航拍图像中小目标检测的准确性，特别是在密集重叠和模糊目标方面。

关键思路：论文提出了一种动态注意力尺度序列融合算法（DASSF），通过动态尺度序列特征融合（DSSFF）模块、小目标检测头和动态头（DyHead）来提高小目标检测的准确性。

其他亮点：论文使用了VisDrone-2019和DIOR数据集进行实验，相比于YOLOv8n，DASSF方法应用于YOLOv8时，在mAP上分别提高了9.2％和2.4％，并且表现优于当前主流方法。

相关研究：最近的相关研究包括"A Survey of Deep Learning-based Object Detection"和"Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks"等。