Deep Learning-Based Small-Object Detection in UAV Imagery: A Symmetry-Informed Review of Scale Variation and Scenario Constraints

随着无人机平台在军事侦察、灾害监测、精准农业等遥感应用中的日益普及，无人机图像中的小目标检测成为一项关键但具有挑战性的任务。现有综述主要关注通用小目标检测或无人机图像中的通用目标检测，而专门针对无人机图像中小目标检测的综述仍然匮乏。本综述从问题驱动和部署导向的视角，审视了现有的基于深度学习的无人机图像小目标检测研究。同时采用对称性视角，分析了目标尺度、视角、成像质量和场景条件的变化如何影响特征表示和检测稳定性。基于无人机小目标检测中的五大挑战，构建了一个涵盖检测范式、关键技术策略和场景特定约束的三层框架。进一步考察了代表性无人机数据集以刻画目标尺度分布，同时从多尺度表示、特征增强、训练优化和轻量化部署等方面综述了现有方法。随后讨论了不同技术方法在五种典型无人机场景中的适用性。此外，在相对一致的实验条件下，对基于两阶段、单阶段和Transformer范式的代表性检测模型在检测精度、计算效率和部署可行性方面进行了分析。最后，总结了当前局限性及未来方向，以推动无人机图像中尺度鲁棒、场景自适应和资源感知的小目标检测研究。