计算机科学与技术学院2020级电子信息专业研究生张攀以第一作者在SCI三区期刊CMC-Computers Materials & Continua (影响因子：3.734)发表研究论文，论文题目为《RT-YOLO: A Residual Feature Fusion Triple Attention Network for Aerial Image Target Detection》。

该论文是在我校邓红卫教授的指导下完成，衡阳师范学院计算机科学与技术学院、智能信息处理与应用湖南省重点实验室为署名单位。论文核心理论是：近年来，无人机（UAV）空中图像的目标检测已成为最热门的话题之一。然而，无人机航拍图像中的目标检测往往存在误检测和漏检。我们提出了RT_YOLO算法，以改善无人机空中图像中目标检测中出现的问题：(1)设计了一种新的残差结构CSP_RT，通过增强单层内部特征的融合来提高提取特征的能力。同时，增加了三重注意模块Triplet Attention，以加强空间和渠道之间的联系，更好地保留重要的特征信息。(2)通过改进多尺度特征金字塔结构SPP1和SPP2,加强不同尺度的特征融合，丰富了特征信息。(3)设计了一个新的损失函数，引入锚框的对角惩罚项，以提高训练速度和推理精度。实验表明，在航空图像（VEDAI）数据集上，RT-YOLO的平均精度（mAP）从57.2%提高到60.8%，在遥感物体检测（RSOD）数据集的平均精度也提高了1.7%。结果表明，RT-YOLO在无人机航空图像目标检测方面优于其他主流模型。

图1：RT_YOLO网络结构图

[文字：张攀]