无人机航拍目标检测：FBRT-YOLOv11的轻量化改进与实践

1. 无人机航拍目标检测的挑战与需求

在无人机航拍场景中，目标检测面临着诸多独特挑战。首先，航拍图像通常具有大视角、小目标密集的特点。以VisDrone数据集为例，单个图像中可能包含数百个像素仅占20×20的小目标，这对检测器的感受野设计提出了极高要求。

其次，无人机拍摄角度多变，目标常呈现非常规姿态。传统检测器在训练时接触的多是地面视角数据，直接迁移到航拍场景会导致性能显著下降。UAVDT数据集中的车辆目标就经常呈现俯视或斜视角度，与常规数据集中水平视角的车辆差异明显。

此外，实时性要求严苛。消费级无人机通常搭载移动端计算设备，无法承载复杂模型的推理开销。AI-TOD数据集评测显示，在Jetson Xavier NX边缘设备上，YOLOv5s的推理速度需达到45FPS以上才能满足实时处理需求。

2. FBRT-YOLOv11的核心改进解析

2.1 FCM模块：跨尺度特征融合新思路

FCM(Feature Concatenation Module)模块的创新点在于其多尺度特征融合策略。不同于常规的FPN结构简单将不同层特征相加，FCM采用深度可分离卷积构建特征金字塔：

python复制class FCM(nn.Module):
    def __init__(self, c1, c2):
        super().__init__()
        self.dwconv = nn.Conv2d(c1, c1, kernel_size=3, stride=1, 
                               padding=1, groups=c1)  # 深度卷积
        self.pwconv = nn.Conv2d(c1, c2, kernel_size=1)  # 逐点卷积
        
    def forward(self, x):
        x1 = F.interpolate(x[0], scale_factor=2, mode='nearest')
        x2 = self.dwconv(x[1])
        return torch.cat([x1, x2], dim=1)

这种设计带来两个优势：

1. 计算量比标准卷积减少约87%（实测