基于高分辨率特征引导学习的小目标检测方法

来源：电子测量技术杂志2026年第9期北京时间：

作者：涂晓光，李卓骏，刘建华，杨明，魏麟

单位：中国民用航空飞行学院航空电子电气学院 成都 641450

摘要：针对小目标检测中由于特征信息不足、特征图分辨率较低等问题导致检测精度和鲁棒性较差的技术瓶颈，提出一种基于高分辨率特征引导学习的小目标检测方法。该方法采用基于上下文聚合风车卷积的改进YOLOv11算法结构，构建了一个由高分辨率检测分支与低分辨率检测分支组成的双通道检测框架。训练过程中，通过高分辨率检测网络对低分辨率检测网络进行引导学习，缓解低分辨率图像中小目标语义信息不足的问题。在双通道网络的中间层引入多损失函数加权的多尺度特征对齐损失函数，增强了小目标特征的表达能力。实验结果表明，本文的方法在PASCAL VOC 2012小目标数据集上的mAP50相较于原始的YOLOv11提高了4.11%，mAP50:95提高了4.07%；在Visdrone2019数据集上mAP50相较于原始的YOLOv11提高2.24%，mAP50:95提高了1.50%。

关键词：小目标检测;深度学习;双通道网络模型;多尺度特征对齐损失

基金资助：国家自然科学基金（62406207）、四川省自然科学基金（2025ZNSFSC1502）、四川省通用航空器维修工程技术研究中心资助课题（GAMRC2023YB06）、中央高校基本科研业务费（25CAFUC03023）项目资助