改进的YOLOv11智能车辆动态环境目标检测算法

来源：电子测量技术杂志2025年第21期北京时间：

作者：于承峄，高松，王鹏伟，孙宾宾，张榕

单位：1.山东理工大学交通与车辆工程学院 淄博 255000; 2.山东省新能源车辆集成设计与智能化重点实验室 淄博 255000

摘要：针对智能车辆复杂动态场景下车辆小目标和遮挡目标存在的检测困难及定位不准问题，提出了一种改进的YOLOv11的实时目标检测算法。首先，针对主干网络中因池化层特征丢失导致的小目识别困难的问题，在AIFI基础上提出了DSEAIFI替换了主干网络中的池化层。其次，为了改善颈部网络对特征的利用和融合能力，同时提高对遮挡目标的检测能力提出了MFFNeck网络，提高了模型对上下文特征的融合能力和适应性。最后，为进一步提高网络对复杂动态环境的适应能力，并且突出高级特征在特征图中的重要级别，在头部网络中融合了针对检测头设计LAAFPN网络。为验证所提出的算法性能，进行了仿真与实车实验，仿真结果表明在KITTI数据集上改进的算法mAP@0.5和mAP@0.5:0.95分别为91.1%和70.1%，与基础模型相比分别提高了2.1%和3.8%。实车实验结果表明所提算法的平均检测精度为92.7%，相较于基础模型提升了4.3%，并且具有较好的实时性。

关键词：YOLOv11;车辆小目标检测;遮挡目标检测;特征融合

基金资助：国家自然科学基金(52102465)、国家自然科学基金面上项目(52475269)、山东省自然科学基金面上项目(ZR2024ME179，ZR2022MF230)、山东重大科技创新工程项目(2023CXGC010111)、山东省青年基金(ZR2021QF039)、山东省中小企业创新能力提升工程项目(2022TSGC2277)资助