（来源：计算机视觉研究院 计算机视觉研究院）

计算机视觉研究院

公众号ID｜计算机视觉研究院

学习群｜扫码在主页获取加入方式

https://pmc.ncbi.nlm.nih.gov/articles/PMC12430999/pdf/sensors-25-05369.pdf

计算机视觉研究院专栏

Column of Computer Vision Institute

本文提出了全新的轻量化检测架构AeroLight，在 VisDrone2019 数据集上 mAP50 较基线提升 7.5%，参数量反而减少 28.8%，在精度与效率之间实现了极佳平衡。

PART/1

痛点   

为什么航拍小目标检测这么难？

无人机遥感技术已经广泛应用在智慧农业、交通巡检、应急救援、基建监测等领域，但目标检测算法落地始终面临三大瓶颈：

目标像素占比极低：高空拍摄的车辆、行人通常只有几十甚至十几个像素，特征信息极易在网络下采样中丢失；

场景复杂干扰多：目标密集排布、遮挡严重，背景杂乱容易产生大量误检；

部署算力受限：机载边缘设备算力有限，大模型无法满足实时检测的要求。

主流的 YOLO 系列等通用检测模型，原本针对地面视角数据设计，特征金字塔的下采样幅度大、融合策略简单，放到航拍场景下往往 “水土不服”。此前的改进方案大多只做单点优化，缺少针对航拍场景的系统性架构设计。

PART/2

创新   

三大核心创新，打造专属航拍的轻量化模型

AeroLight 没有停留在局部模块的修修补补，而是从特征金字塔、特征融合、边界框回归三个层面进行了系统性重构，整体架构如下图所示： 

【AeroLight 模型整体架构图】

1. 任务感知特征金字塔：把算力花在小目标上

针对航拍场景小目标占主导的特点，团队对特征金字塔做了 “一增一减” 的重构：

• 新增 P2 高分辨率检测头：引入 160×160 分辨率的检测分支，保留更细粒度的空间细节，专门负责极小目标检测；

• 移除 P5 低分辨率检测头：砍掉负责大目标、算力消耗高的 P5 分支，大幅压缩参数量与计算量。

【特征金字塔重构示意图】

这种 “定向挪算力” 的设计，没有盲目增加网络复杂度，而是精准匹配航拍场景的目标分布。仅这一项改动就带来了 5.6% 的 mAP50 提升，同时参数量从 2.57M 降至 1.83M。

2. 动态特征融合（DFF）模块：双注意力并行滤除噪声

多尺度特征融合是小目标检测的关键，但传统的简单拼接 / 相加容易造成特征稀释、背景噪声干扰。 AeroLight 提出了全新的 DFF 模块，采用通道注意力 + 空间注意力并行的双路径结构：

• 通道注意力分支：学习 “哪些特征通道更重要”，强化有效特征、抑制无用通道；

• 空间注意力分支：学习 “哪些区域是目标”，聚焦目标位置、过滤背景杂波。

【DFF 模块架构图】

两路注意力权重同时对特征图进行自适应重校准，避免了串行注意力的信息损耗，让融合后的特征更具区分度，在复杂背景下也能精准锁定小目标。

3. Shape-IoU 损失：形状感知，定位更精准

航拍视角下的目标往往存在旋转、形状不规则的问题，传统 CIoU 损失只考虑中心距离与宽高比，定位精度不足。 团队替换为 Shape-IoU 损失函数，在重叠度、中心距离的基础上，额外加入了形状匹配惩罚项，对边界框的宽度、高度差异进行更精细的约束，让回归方向更稳定，显著提升不规则目标的定位精度。

PART/3

实验    

实验验证：精度、效率、泛化性全面领先

团队在三大数据集上完成了充分验证，结果充分证明了 AeroLight 的实力。

1. VisDrone2019：轻量模型里的新 SOTA

作为无人机检测的核心基准，VisDrone2019 包含密集、多类别、多尺度的城市场景，极具挑战性。对比结果如下：

【VisDrone2019 验证集性能对比表】

• 相较基线 YOLOv12n，AeroLight 的 mAP50 从 32.3% 提升至 39.8%（+7.5%），mAP50-95 提升 3.3%；

• 参数量仅 1.83M，比基线减少 28.8%；GFLOPs 仅 11.5，远低于同精度级别模型；

• 对比同属轻量型的 YOLO11s，AeroLight 精度更高，参数量仅为其 19.5%。

消融实验也验证了每个模块的独立贡献，三个模块协同作用，实现了 “1+1+1>3” 的效果：

【消融实验结果表】

从检测效果可视化来看，AeroLight 在密集遮挡、远距离小目标、低光照等场景下，漏检、误检都显著少于基线模型：

【VisDrone2019 复杂场景检测效果对比图】

分类别来看，行人、摩托车、自行车这类极小目标的 mAP50 提升超过 10%，精准命中了航拍检测的核心痛点。

2. 跨数据集泛化性拉满

除了城市场景，团队还在 RSOD 遥感数据集、自建华兴农场无人机数据集上进行了验证： 

【RSOD 数据集性能表】

在 RSOD 数据集上，AeroLight 的 mAP50 达到 95.6%，优于所有对比基线。

【华兴农场无人机数据集性能表】

在高空农田场景的自建数据集中，目标像素极低，AeroLight 仍取得了 83.7% 的 mAP50，较基线提升 3.1%，肉眼难以分辨的极小车辆也能稳定检出：

【农场数据集检测效果对比图】

PART/4

总结与展望   

AeroLight 针对无人机航拍场景做了系统性的架构优化，通过特征金字塔重构、动态特征融合、形状感知损失三大创新，实现了 “更高精度、更小体积” 的双重突破，为机载端侧实时检测提供了可行的落地方案。

当然，目前模型仍有拓展空间：当前仅支持 RGB 输入，未来可融合红外、多光谱等多模态数据；同时也将进一步验证雾天、阴天等极端天气下的鲁棒性。

未来，这类面向特定场景的 “任务定制化” 轻量模型，会成为无人机端侧 AI 的重要发展方向，推动智慧农业、安防巡检、应急救援等场景的智能化落地。

有相关需求的你可以联系我们！