基于改进YOLO11的遥感图像检测算法

来源：电子测量技术杂志2026年第8期北京时间：

作者：冉宁，宋子昊

单位：1.河北大学电子信息工程学院 保定 071002; 2.河北大学节能技术研发中心 保定 071002

摘要：针对遥感图像存在的图像背景复杂、小目标分布密集、目标尺度多样等问题，提出了一种基于YOLO11的改进算法。首先，在主干网络中引入幽灵卷积，在保证模型性能的前提下，显著减少计算量和参数量；其次，在主干网络设计了一个混合网络模块，其中包含3种类型的模块，以丰富信息流并增强骨干网络的特征提取能力；最后，采用了一种语义收集的跨层多特征融合方式，将原本的P5层替换为P2层，增强了网络的多尺度特征融合能力，有效提升了检测精度，改善了遥感小目标特征信息难以提取的缺陷。通过在VisDrone2019、AI-TOD和DIOR数据集上的实验结果表明，改进后的YOLO11s模型与原模型YOLO11s相比，mAP50分别提升了2.8%、5.1%和9.8%，参数量下降了31%，验证了新算法的有效性。

关键词：遥感图像;YOLO11;跨层多特征融合;幽灵卷积

基金资助：国家自然科学基金（62373132）、河北省自然科学基金（F2025201023）、石家庄市驻冀高校基础研究项目（241791367A）、河北大学优秀青年科研创新团队建设项目（QNTD202411）、河北大学多学科交叉研究计划项目（DXK202409）、河北大学在读研究生校级创新能力培育项目（HBU2026SS002）资助