基于动态重校准与多尺度融合的小目标检测

来源：电子测量技术杂志2025年第20期北京时间：

作者：蒋行国，陈科，林国军

单位：1.四川轻化工大学自动化与信息工程学院 宜宾 644000; 2.智能感知与控制四川省重点实验室 宜宾 644000

摘要：针对无人机航拍图像中小目标密集分布、尺度变化大、遮挡严重及背景复杂等挑战，本文在轻量级YOLOv11n模型基础上，提出了一种新型小目标检测框架RAD-YOLO，兼顾检测精度与实时性。该模型引入RFM-FPN模块，通过RAU单元与SBA模块强化特征表达；骨干网络中引入RFAConv注意力卷积结构，提升感受野适应能力；后处理阶段提出DDS-Soft-NMS策略，根据目标尺寸自适应调节置信度抑制，显著降低小目标漏检率。实验结果表明，RAD-YOLO在VisDrone2019数据集上mAP@0.5与mAP@0.5:0.95分别提升13.1%与11.4%，精确率和召回率达到0.561和0.411；在AI-TOD和SODA-A数据集上，mAP@0.5分别提升9.9%和7.7%，充分验证了模型在复杂遥感场景中的精度优势与泛化能力。

关键词：小目标检测;YOLOv11n;RFM-FPN;DDS-Soft-NMS;遥感图像

基金资助：四川省科技厅项目(2022YFSY0056)资助