YOLO-MAF：多尺度特征融合的轻量级小目标检测算法

来源：电子测量技术杂志2026年第8期北京时间：

作者：胡闽南，赵鸣

单位：1.南京信息工程大学计算机学院 南京 210044; 2.无锡学院网络空间安全学院 无锡 214105

摘要：在无人机航拍交通监控中，小目标检测面临特征表达不充分、多尺度融合效率低等挑战。为此，提出改进的YOLO-MAF目标检测算法。首先，设计多尺度边缘增强特征提取模块（MSEE），通过自适应多尺度感受野机制增强微小目标边缘信息捕获；其次，构建SEGE双向采样增强模块，结合软最近邻插值（SNI）和增强型分组卷积策略（GSConvE），优化特征融合效率；最后，在建立一层小目标检测层的同时结合构造的多尺度自适应空间融合检测头（MASF-Head），采用双重注意力机制动态调节特征融合权重。实验结果表明，在VisDrone2019数据集上，YOLO-MAF的mAP@0.5和mAP@0.5:0.95分别达到45.6%和29.4%，相比基线方法提升7.3%和6.4%，参数量减少50%。所提方法有效提升了无人机航拍场景下的小目标检测性能。

关键词：小目标检测;边缘增强;多尺度特征融合

基金资助：无锡学院2025年高层次人才科研启动基金（2025r023）、2023中国高校产学研创新基金新一代信息技术创新项目（2023IT072）资助