基于Transformer的机动目标跟踪技术

一种基于Transformer 编码器与LSTM 的飞机轨迹预测方法李明阳 鲁之君 曹东晶*曹世翔（北京空间机电研究所，北京 100094）摘　要　为了解决飞机目标机动数据集缺失的问题，文章利用运动学建模生成了丰富的轨迹数据集，为网络训练提供了必要的数据支持。

针对现阶段轨迹预测运动学模型建立困难及时序预测方法难以提取时空特征的问题，提出了一种结合Transformer 编码器和长短期记忆网络（Long Short Term Memory ，LSTM ）的飞机目标轨迹预测方法，即Transformer-Encoder-LSTM 模型。

新模型可同时提供LSTM 和Transformer 编码器模块的补充历史信息和基于注意力的信息表示，提高了模型能力。

通过与一些经典神经网络模型进行对比分析，发现在数据集上，新方法的平均位移误差减小到0.22，显著优于CNN-LSTM-Attention 模型的0.35。

相比其他网络，该算法能够提取复杂轨迹中的隐藏特征，在面对飞机连续转弯、大机动转弯的复杂轨迹时，能够保证模型的鲁棒性，提升了对于复杂轨迹预测的准确性。

关键词　轨迹预测　Transformer 编码器　神经网络　飞机目标　Transformer-Encoder-LSTM 模型中图分类号：P407.8；V19 文献标志码：A 文章编号：1009-8518(2024)02-0163-14DOI ：10.3969/j.issn.1009-8518.2024.02.016A Predictive Aircraft Trajectory Prediction Method Based onTransformer Encoder and LSTMLI Mingyang LU Zhijun CAO Dongjing *CAO Shixiang（ Beijing Institute of Space Mechanics & Electricity, Beijing 100094, China ）Abstract In order to solve the problem of missing aircraft target maneuver data sets, this paper uses kinematic modeling to generate a rich trajectory data set, which provides necessary data support for network training. In order to solve the problem that it is difficult to establish a kinematic model for trajectory prediction at the current stage and that it is difficult to extract spatiotemporal features with the time series prediction method,an aircraft target trajectory prediction method that combines the Transformer encoder and the Long Short Term Memory network (LSTM) is proposed. It can provide supplementary historical information and attention-based information representation provided by LSTM and Transformer modules at the same time, improving model capabilities. Through comparative analysis with some classic neural network models on the data set, it is found that the average displacement error of this method is reduced to 0.22, which is significantly better than 0.35 of the CNN-LSTM-Attention model. Compared with other networks, this algorithm can extract hidden features in收稿日期：2023-11-22基金项目：国家自然科学基金（42271448）引用格式：李明阳, 鲁之君, 曹东晶, 等. 一种基于Transformer 编码器与LSTM 的飞机轨迹预测方法[J]. 航天返回与遥感,2024, 45(2): 163-176.LI Mingyang, LU Zhijun, CAO Dongjing, et al. A Predictive Aircraft Trajectory Prediction Method Based on Transformer Encoder and LSTM[J]. Spacecraft Recovery & Remote Sensing, 2024, 45(2): 163-176. (in Chinese)第 45 卷 第 2 期航天返回与遥感2024 年 4 月SPACECRAFT RECOVERY & REMOTE SENSING163164航 天 返 回 与 遥 感2024 年第 45 卷complex trajectories. When facing complex aircraft trajectories with continuous turns and large maneuvers, it can ensure the robustness of the model and improve the accuracy of prediction of complex trajectories.Keywords　trajectory prediction; Transformer Encoder; neural network; aircraft target; Transformer-Encoder-LSTM module0　引言轨迹预测任务是指通过对目标过去行为的分析和模式识别来预测其未来运动轨迹的过程。

基于Transformer的目标检测综述一、引言目标检测是计算机视觉领域中的一个重要研究方向，旨在从图像中准确地检测并定位出各类物体。

近年来，随着深度学习和神经网络技术的不断发展，目标检测领域也取得了显著的进步。

特别是基于Transformer的目标检测方法，凭借其强大的建模能力和并行计算能力，在目标检测任务中展现出了优越的性能。

本文将对基于Transformer的目标检测方法进行综述，探讨其发展历程、主要技术、优缺点等方面的内容。

二、基于Transformer的目标检测方法发展历程自Transformer架构被提出以来，其在自然语言处理领域取得了巨大的成功。

随后，研究人员开始尝试将Transformer应用于计算机视觉任务，特别是在目标检测领域。

早期的研究工作主要集中在将Transformer与传统的目标检测算法相结合，以改进检测性能。

例如，将Transformer用于特征提取或位置编码，以增强传统算法的表示能力和定位精度。

随着研究的深入，一些更具创新性的基于Transformer的目标检测方法逐渐被提出。

这些方法摒弃了传统算法中的某些组件，如CNN的特征提取部分，转而完全依赖于Transformer来提取特征和完成检测任务。

这些方法通常采用类似于自回归的思想，通过多阶段、多尺度的预测来提高检测精度。

三、基于Transformer的目标检测方法主要技术1.特征提取：基于Transformer的目标检测方法通常采用类似于自回归的方式进行多阶段预测。

在每个阶段，模型首先使用Transformer对图像进行特征提取，然后根据提取的特征进行物体分类和位置回归。

Transformer中的自注意力机制能够有效地捕捉图像中的长距离依赖关系，从而更好地提取物体的特征。

2.位置编码：在传统的CNN-based目标检测方法中，位置编码是一个重要的步骤，旨在为模型提供空间信息。

然而，在基于Transformer的方法中，位置编码的实现方式略有不同。

deformable detr精读-回复什么是Deformable DETR?Deformable DETR是一种基于Transformer和可变形卷积(deformable convolution)的目标检测算法。

目标检测是计算机视觉领域的一个重要任务，其目标是在给定图像中准确地识别和定位出物体的位置。

而Deformable DETR算法在目标检测任务中引入了可变形卷积的概念，使得算法能够更好地处理目标物体的形变、遮挡和不均匀尺度等问题。

为什么需要Deformable DETR?传统的目标检测算法通常使用锚框(anchor box)来表示不同类别的物体，并通过回归计算来得到物体的位置和大小。

然而，锚框的设计是固定的，无法适应物体的形变和尺度变化，而且对于大量的锚框，计算量也非常大。

这些问题限制了传统目标检测算法的性能和适应性。

Deformable DETR算法通过引入可变形卷积来解决这些问题。

可变形卷积是一种可以根据输入特征图动态调整卷积核形状的卷积操作。

在Deformable DETR中，通过使用可变形卷积，网络可以根据数据自适应地学习物体的形变信息。

这使得算法在处理物体形变和遮挡等问题时更加准确和鲁棒。

Deformable DETR的具体实现Deformable DETR的整体架构与传统的Transformer架构类似，包括编码器(encoder)和解码器(decoder)。

编码器负责提取输入图像的特征，解码器则通过自注意力机制和多层感知机来预测目标的位置和类别。

在编码器中，Deformable DETR使用了一种名为Deformable Transformer的卷积神经网络模块。

这个模块由多个Deformable Transformer层组成，每个层都包含一个可变形卷积层和多头自注意力机制。

可变形卷积层用于提取输入特征图的空间变化信息，自注意力机制则用于学习不同位置之间的相互关系。

在解码器中，Deformable DETR通过一系列的Transformer解码层来生成目标的位置和类别。

利用transformer做轨迹预测的案例利用Transformer做轨迹预测的案例随着计算机技术的快速发展，人工智能在各个领域中的应用也越来越广泛。

在智能交通领域，人工智能技术正逐步被应用于交通管理和优化。

而Transformer作为一种先进的神经网络结构，也成为了一种非常有效的轨迹预测工具。

轨迹预测是智能交通系统的一个重要组成部分。

通过对驾驶员的驾驶行为、交通情况等因素进行实时监测，轨迹预测系统可以预先预测出驾驶员可能产生的行为，从而帮助交通管理部门提前采取相应的措施，如对驾驶员进行违章罚款、对新手驾驶员进行培训等。

Transformer作为一种基于自注意力机制的神经网络结构，非常适合处理序列数据。

通过对驾驶员的行为进行预测，Transformer可以帮助交通管理部门有效地预防和减少交通事故的发生。

Transformer还可以通过对历史数据的积累和分析，不断优化自己的预测模型，使得预测结果更加准确。

此外，Transformer还具有较好的并行计算能力，可以较快地处理大量的数据，从而提高轨迹预测的效率。

需要注意的是，Transformer虽然具有良好的预测能力，但在实际应用中还是存在一些挑战和限制。

首先，由于Transformer网络结构的复杂性，需要在训练过程中对其进行优化和调整，以提高模型的预测准确率。

其次，Transformer模型的训练和优化过程需要大量的计算资源，如大量的CPU和GPU等，而且训练过程可能需要一段时间，以获得较好的预测效果。

尽管如此，Transformer在轨迹预测领域中的应用仍然得到了广泛的关注和研究。

通过对驾驶员的行为进行预测和优化，Transformer 可以帮助交通管理部门提高交通安全性和管理的效率，为构建更加安全、便捷、高效的智能交通系统提供了重要的支持。

总之，利用Transformer做轨迹预测是一种非常有效的技术创新，可以帮助交通管理部门有效地预测驾驶员可能产生的行为，实现交通管理的优化和智能化。

基于时空Transformer的遥感视频目标跟踪基于时空Transformer的遥感视频目标跟踪摘要：随着遥感技术的迅速发展，遥感视频目标跟踪成为研究的热点之一。

传统的目标跟踪算法在处理大尺度、遥感视频时面临挑战，因此需要一种新的、高效的算法来解决这一问题。

本文提出了一种基于时空Transformer的遥感视频目标跟踪方法，通过利用Transformer得到的时空上下文关系，以及编码器-解码器结构的引入，提高了目标跟踪的准确性和鲁棒性。

一、引言遥感技术具有广阔的应用前景，尤其在环境监测、农业灾害预警、城市规划等方面发挥着重要作用。

遥感视频目标跟踪可以对遥感图像中的感兴趣目标进行连续追踪，从而提供重要的信息支持。

然而，由于遥感图像通常具有大尺度、复杂背景、低分辨率等特点，传统的目标跟踪算法在遥感视频中往往效果不佳。

因此，研究一种适应遥感视频目标跟踪的新算法具有重要意义。

二、相关工作近年来，目标跟踪领域出现了一些新的方法，比如深度学习方法和Transformer方法。

深度学习方法通过神经网络学习目标的表征，可以有效地进行目标跟踪。

然而，在处理大尺度、遥感视频时，深度学习方法往往受限于计算资源和数据量的问题。

Transformer方法作为一种新兴的序列建模方法，可以捕捉目标在时空上的关系，具有良好的表现。

因此，我们将基于Transformer的目标跟踪方法应用于遥感视频中，希望能够提高目标跟踪的准确性和鲁棒性。

三、方法本文提出了一种基于时空Transformer的遥感视频目标跟踪方法。

该方法首先将遥感视频分为多个时序帧，然后通过一个编码器-解码器结构对每个时序帧进行特征提取。

编码器利用Transformer模块对时序帧进行编码，提取时空上下文信息。

解码器根据编码器的输出进行目标跟踪并预测目标的位置。

将编码器的输出和解码器的输出进行融合，得到最终的目标跟踪结果。

四、实验结果为了验证所提出算法的有效性，我们在常见的遥感视频数据集上进行了实验。

利用Transformer的多模态目标跟踪算法利用Transformer的多模态目标跟踪算法近年来，随着计算机视觉和人工智能技术的发展，目标跟踪在视频监控、自动驾驶、智能交通等领域中扮演着重要角色。

多模态目标跟踪是指利用多种传感器或多种输入模态对目标进行跟踪，以提高跟踪的准确性和鲁棒性。

在过去的研究中，多模态目标跟踪算法主要依赖于传统的机器学习方法或基于卷积神经网络（CNN）的方法。

然而，这些方法在涉及到多模态数据融合和长时跟踪的情况下，往往效果不佳。

近年来，Transformer已经在自然语言处理和计算机视觉任务中取得了巨大的成功，因此在多模态目标跟踪领域中引入Transformer或许能够取得更好的效果。

Transformer是一种基于自注意力机制的深度学习模型，由于其能够处理任意长度的序列数据，并且能够自动学习不同元素之间的关系，因此被广泛应用于机器翻译、问答系统等任务中。

多模态目标跟踪也可以视为一个序列建模的问题：给定一段时间内目标在不同模态下的感知信息，我们需要预测目标的轨迹。

传统的目标跟踪算法常常将序列问题转化为帧间的相关性分析或者鲁棒卡尔曼滤波等问题，这些方法在目标检测错误、遮挡等复杂场景下往往难以保持准确性。

而利用Transformer对序列进行建模，可以充分利用不同模态之间的关系，从而提高跟踪的鲁棒性。

在多模态目标跟踪算法中，一个关键的问题是如何融合来自不同模态的特征信息。

传统的方法通常使用手工设计的融合策略，如简单地对不同模态的特征进行拼接或加权求和。

而基于Transformer的多模态目标跟踪算法则可以通过自注意力机制自动学习不同模态之间的关系。

具体地，对于每个模态的输入特征序列，我们可以通过Transformer模型将其映射到一个高维特征表示空间中，并且利用自注意力机制对不同模态之间的相关性进行建模。

这样一来，我们可以利用Transformer进行特征融合，从而得到更为准确和鲁棒的目标跟踪结果。

卷积Transformer联合的目标跟踪算法目标跟踪是计算机视觉领域中的一个重要任务，旨在实现对视频序列中移动目标的实时定位和追踪。

近年来，卷积神经网络（Convolutional Neural Network，CNN）和Transformer模型分别在图像处理和自然语言处理等领域取得了巨大成功，并引起了广泛关注。

然而，传统的目标跟踪算法在时间和空间建模方面仍存在一些限制，而卷积Transformer联合的目标跟踪算法则可以充分利用两种模型的优势，提升目标跟踪的性能和效果。

一、卷积神经网络在目标跟踪中的应用卷积神经网络是一种深度学习模型，以其在图像分类、目标检测等任务中的卓越表现而闻名。

在传统的目标跟踪算法中，通常使用卷积神经网络来提取目标候选框的特征，通过计算特征之间的相似度来进行目标的匹配和跟踪。

卷积神经网络能够有效地捕捉目标的空间信息和纹理特征，为目标跟踪提供了强大的支持。

二、Transformer模型在目标跟踪中的应用Transformer模型是一种基于自注意力机制的序列建模方法，广泛应用于自然语言处理任务中。

相比于卷积操作，Transformer模型能够更好地捕捉序列中的长程依赖关系，适用于目标跟踪中对时间序列的建模。

近年来，一些研究者尝试将Transformer模型应用于目标跟踪任务中，取得了一定的进展。

三、卷积Transformer联合的目标跟踪算法卷积Transformer联合的目标跟踪算法将卷积神经网络和Transformer模型进行了有效结合，充分发挥了两者的优势。

具体而言，该算法首先使用卷积神经网络提取视频帧的空间特征，并使用此特征作为Transformer模型的输入。

接着，Transformer模型对时间序列数据进行编码和建模，得到每一帧的特征表示。

最后，根据特征表示的相似度和目标距离来进行目标匹配和跟踪。

四、算法优势和应用前景卷积Transformer联合的目标跟踪算法在时间和空间建模方面具有明显的优势。

基于Transformer目标检测研究综述作者：尹航范文婷来源：《现代信息科技》2021年第07期摘要：目标检测是计算机视觉领域三大任务之一，同时也是计算机视觉领域内一个最基本和具有挑战性的热点课题，近一年来基于Transformer的目标检测算法研究引发热潮。

简述Transformer框架在目标检测领域的研究状况，介绍了其基本原理、常用数据集和常用评价方法，并用多种公共数据集对不同算法进行对比以分析其优缺点，在综述研究基础上，结合行业应用对基于Transformer的目标检测进行总结与展望。

关键词：目标检测;Transformer;计算机视觉;深度学习中图分类号：TP391 文献标识码：A 文章编号：2096-4706（2021）07-0014-04A Summary of Research on Target Detection Based on TransformerYIN Hang，FAN Wenting（College of Information Science and Technology，Zhongkai University of Agriculture and Engineering，Guangzhou 510225，China）Abstract：Target detection is one of the three major tasks in the field of computer vision. At the same time，it is also a basic and challenging hot topic in the field of computer vision. In almost a year，the research of object detection algorithms based on Transformer has caused a boom. This paper sketches the research status of Transformer framework in the field of target detection，introduces it’s basic principle，common data sets and common evaluation methods，and compares different algorithms with several public data sets，so as to analyze their advantages and disadvantages. On the basis of summarizing the research，also combined the industry application，this paper summarizes and prospects of the object detection based on Transformer.Keywords：target detection;Transformer;computer vision;deep learning收稿日期：2021-02-26基金项目：广东省自然科学基金面上项目（2021A1515011605）0 引言目标检测是计算机视觉领域的核心任务，是实现目标跟踪、行为识别的基础，目前主流基于卷积神经网络的目标检测算法分为一阶段和两阶段类型。

ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００３－３１０６．２０２３．１２．０１１引用格式：季长清，高志勇，秦静，等．基于Ｔｒａｎｓｆｏｒｍｅｒ的航空目标检测算法［Ｊ］．无线电工程，２０２３，５３（１２）：２８１１－２８１９．［ＪＩＣｈａｎｇｑｉｎｇ，ＧＡＯＺｈｉｙｏｎｇ，ＱＩＮＪｉｎｇ，ｅｔａｌ．ＡｖｉａｔｉｏｎＴａｒｇｅｔＤｅｔｅｃｔｉｏｎＡｌｇｏｒｉｔｈｍＢａｓｅｄｏｎＴｒａｎｓｆｏｒｍｅｒ［Ｊ］．ＲａｄｉｏＥｎｇｉｎｅｅｒｉｎｇ，２０２３，５３（１２）：２８１１－２８１９．］基于Ｔｒａｎｓｆｏｒｍｅｒ的航空目标检测算法季长清１，高志勇２，秦　静３，汪祖民２（１．大连大学物理科学与技术学院，辽宁大连１１６６２２；２．大连大学信息工程学院，辽宁大连１１６６２２；３．大连大学软件工程学院，辽宁大连１１６６２２）摘　要：近几年，基于深度学习的目标检测算法在航空图像检测任务中得到了广泛应用。

针对传统水平目标检测算法无法定位航空图像中大量密集排列的倾斜目标问题，提出了ＴＦ ＢＢＡＶｅｃｔｏｒｓ模型算法来实现航空图像中倾斜目标的检测任务。

为了避免深度卷积神经网络（ＤｅｅｐＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｕｒａｌＮｅｔｗｏｒｋ，ＤＣＮＮ）带来的网络退化等问题，使用Ｔｒａｎｓｆｏｒｍｅｒ结构搭建特征提取网络；针对密集的、小尺度图像目标的问题，采用多尺度特征融合的方法提升检测效果；针对倾斜目标检测的问题，通过边界框边缘感知向量表示任意角度的倾斜目标。

在ＤＯＴＡ１．０和ＳＳＤＤ＋数据集上的部分测试结果表明，此方法的平均精度分别为７２．３９％和７９．９８％，证明了ＴＦ ＢＢＡＶｅｃｔｏｒｓ模型算法的有效性。

关键词：深度学习；倾斜目标；航空检测；Ｔｒａｎｓｆｏｒｍｅｒ中图分类号：ＴＰ３９１文献标志码：Ａ开放科学（资源服务）标识码（ＯＳＩＤ）：文章编号：１００３－３１０６（２０２３）１２－２８１１－０９ＡｖｉａｔｉｏｎＴａｒｇｅｔＤｅｔｅｃｔｉｏｎＡｌｇｏｒｉｔｈｍＢａｓｅｄｏｎＴｒａｎｓｆｏｒｍｅｒＪＩＣｈａｎｇｑｉｎｇ１，ＧＡＯＺｈｉｙｏｎｇ２，ＱＩＮＪｉｎｇ３，ＷＡＮＧＺｕｍｉｎ２（１．ＣｏｌｌｅｇｅｏｆＰｈｙｓｉｃａｌＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＤａｌｉａｎＵｎｉｖｅｒｓｉｔｙ，Ｄａｌｉａｎ１１６６２２，Ｃｈｉｎａ；２．ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＤａｌｉａｎＵｎｉｖｅｒｓｉｔｙ，Ｄａｌｉａｎ１１６６２２，Ｃｈｉｎａ；３．ＳｃｈｏｏｌｏｆＳｏｆｔｗａｒｅＥｎｇｉｎｅｅｒｉｎｇ，ＤａｌｉａｎＵｎｉｖｅｒｓｉｔｙ，Ｄａｌｉａｎ１１６６２２，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｄｕｒｉｎｇｔｈｅｓｅｙｅａｒｓ，ｄｅｅｐｌｅａｒｎｉｎｇ ｂａｓｅｄｔａｒｇｅｔｄｅｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｓｈａｖｅｂｅｅｎｗｉｄｅｌｙｕｓｅｄｉｎａｅｒｉａｌｉｍａｇｅｄｅｔｅｃｔｉｏｎｔａｓｋｓ．Ｔｏａｄｄｒｅｓｓｔｈｅｐｒｏｂｌｅｍｔｈａｔｔｒａｄｉｔｉｏｎａｌｈｏｒｉｚｏｎｔａｌｔａｒｇｅｔｄｅｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｓｃａｎｎｏｔｌｏｃａｔｅａｌａｒｇｅｎｕｍｂｅｒｏｆｄｅｎｓｅｌｙａｒｒａｎｇｅｄｔｉｌｔｅｄｔａｒｇｅｔｓｉｎａｅｒｉａｌｉｍａｇｅｓ，ｔｈｅＴＦ ＢＢＡＶｅｃｔｏｒｓｍｏｄｅｌａｌｇｏｒｉｔｈｍｉｓｐｒｏｐｏｓｅｄｔｏｉｍｐｌｅｍｅｎｔｔｈｅｔａｓｋｏｆｄｅｔｅｃｔｉｎｇｔｉｌｔｅｄｔａｒｇｅｔｓｉｎａｅｒｉａｌｉｍａｇｅｓ．Ｆｉｒｓｔｌｙ，ｔｏａｖｏｉｄｔｈｅｎｅｔｗｏｒｋｄｅｇｒａｄａｔｉｏｎａｎｄｏｔｈｅｒｐｒｏｂｌｅｍｓｃａｕｓｅｄｂｙＤｅｅｐＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｕｒａｌＮｅｔｗｏｒｋ（ＤＣＮＮ），ｔｈｅＴｒａｎｓｆｏｒｍｅｒｓｔｒｕｃｔｕｒｅｉｓｕｓｅｄｔｏｂｕｉｌｄａｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｎｅｔｗｏｒｋ；ｓｅｃｏｎｄｌｙ，ｆｏｒｄｅｔｅｃｔｉｏｎｏｆｄｅｎｓｅｌｙｐａｃｋｅｄ，ｓｍａｌｌ ｓｃａｌｅｉｍａｇｅｔａｒｇｅｔｓ，ａｍｕｌｔｉ ｓｃａｌｅｆｅａｔｕｒｅｆｕｓｉｏｎｍｅｔｈｏｄｉｓｕｓｅｄｔｏｉｍｐｒｏｖｅｔｈｅｄｅｔｅｃｔｉｏｎｅｆｆｅｃｔ；ｆｉｎａｌｌｙ，ｆｏｒｔｈｅｐｒｏｂｌｅｍｏｆｔｉｌｔｅｄｔａｒｇｅｔｄｅｔｅｃｔｉｏｎ，ｔｈｅｔｉｌｔｅｄｔａｒｇｅｔｓａｔａｒｂｉｔｒａｒｙａｎｇｌｅｓａｒｅｒｅｐｒｅｓｅｎｔｅｄｂｙｔｈｅｂｏｕｎｄｉｎｇｂｏｘｅｄｇｅ ａｗａｒｅｖｅｃｔｏｒｓ．ＰａｒｔｉａｌｔｅｓｔｒｅｓｕｌｔｓｏｎＤＯＴＡ１．０ａｎｄＳＳＤＤ＋ｄａｔａｓｅｔｓｓｈｏｗｔｈａｔｔｈｅａｖｅｒａｇｅａｃｃｕｒａｃｙｏｆｔｈｉｓｍｅｔｈｏｄｉｓ７２．３９％ａｎｄ７９．９８％ｒｅｓｐｅｃｔｉｖｅｌｙ，ｗｈｉｃｈｐｒｏｖｅｓｔｈｅｅｆｆｅｃｔｉｖｅｎｅｓｓｏｆｔｈｅＴＦＢＢＡＶｅｃｔｏｒｓｍｏｄｅｌａｌｇｏｒｉｔｈｍ．Ｋｅｙｗｏｒｄｓ：ｄｅｅｐｌｅａｒｎｉｎｇ；ｔｉｌｔｅｄｔａｒｇｅｔ；ａｖｉａｔｉｏｎｄｅｔｅｃｔｉｏｎ；Ｔｒａｎｓｆｏｒｍｅｒ收稿日期：２０２３－０４－１０基金项目：国家自然科学基金青年科学基金项目（６２００２０３８）ＦｏｕｎｄａｔｉｏｎＩｔｅｍ：ＮａｔｉｏｎａｌＮａｔｕｒａｌＳｃｉｅｎｃｅＦｏｕｎｄａｔｉｏｎｏｆＣｈｉｎａｆｏｒＹｏｕｔｈ（６２００２０３８）０　引言随着近些年航空技术和无人机巡航技术的快速发展［１］，航空图像中的目标检测任务作为航空领域中最具挑战的任务之一，吸引了诸多目标检测领域研究者的关注，随着航空影像数据质量的提升，图像数据的检测面临着以下２个问题：①图像的空间分辨率不断提高，图像中的目标数据也越来越多，图像场景结构越来越复杂，密集检测较为困难；②图像中不同比例尺度的目标样本具有不同的纹理特征，信号与信息处理且待检测目标通常以任意方向显示［２］。