多任务联合学习下的复杂天气航拍图像目标检测算法

作     者：王新蕾 王硕 翟嘉政 肖瑞林 廖晨旭 WANG Xinlei;WANG Shuo;ZHAI Jiazheng;XIAO Ruilin;LIAO Chenxu

作者机构：南京信息工程大学电子与信息工程学院南京210044 无锡学院电子信息工程学院江苏无锡214105 

基　　金：国家重点研发计划科技创新·2030-“新一代人工智能”重大项目(2021ZD0112200) 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2025年第61卷第2期

页      码：97-111页

摘      要：针对雨雾等复杂天气下无人机图像质量下降导致目标检测效果不佳的问题,提出基于上下文引导和提示学习的目标检测算法CGP-YOLO(context-guided and prompt-based YOLOv8)。构建一个多任务联合学习的检测网络,通过双分支结构达到平衡图像检测和恢复的任务。提出基于提示学习的跨层注意力加权图像去噪分支,指导网络利用退化提示重构清晰的图像;模型主干设计基于上下文的残差采样模块,集成卷积注意力机制,综合目标的局部和全局信息;采用可分离大核多尺度特征提取模块,处理网络多尺度特征;引入小目标的专用检测头,增强小目标的检测精度。实验结果表明,在参数量仅为基线模型60%的情况下,该模型的检测精度提高了2.4个百分点,平均精度(mAP)提高了2.04个百分点,模型检测效果优于其他经典模型,具备卓越的性能。

主 题 词：多任务学习 目标检测 无人机图像 复杂天气 提示学习 去噪模型 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

核心收录：

D　O　I：10.3778/j.issn.1002-8331.2403-0007

馆 藏 号：203157031...