基于YOLOv11n改进的小目标航拍检测算法

来源：电子测量技术杂志2026年第9期北京时间：

作者：陈磊，邢智，粘山坡，薄敬东，常国涛

单位：1.华北理工大学电气工程学院 唐山 063210; 2.河北省风光氢储安全监测与智能运行技术创新中心 唐山 063210; 3.华北理工大学国有资产与实验室管理处 唐山 063210

摘要：针对无人机航拍图像中目标尺寸小、遮挡严重、背景复杂等问题，传统目标检测算法常出现漏检与误检。为提升检测精度，在YOLOv11n基础上提出了一种融合注意力机制与特征调制机制的小目标检测算法—YOLOv11n-AFD。该方法通过集成空间条带注意力（SSA）模块、调制融合模块（MFM）与曼哈顿特征增强（MFE）模块，全面提升模型对小目标的感知能力与语义建模能力。在保持YOLOv11n框架不变的前提下，空间条带注意力建模水平与垂直空间依赖，增强结构感知；调制融合通过通道调制实现精细融合，突出关键信息；曼哈顿特征增强模块强化几何特征，抑制背景干扰，实现关键模块的深度增强。实验结果表明，改进后的YOLOv11n-AFD相较于原始YOLOv11n模型，在VisDrone数据集上准确率、召回率与检测精度mAP@0.5分别提升1.8%、0.8%和1.4%，mAP@0.5:0.95提升至21.5%。对比其他算法表现出了良好的性能。

关键词：YOLOv11n;小目标检测;航拍图像;空间条带注意力;特征调制融合;曼哈顿特征增强

基金资助：教育部产学合作协同育人项目（230802495182120，231104697215835）、华北理工大学教育教学改革研究与实践项目（L2345）资助