Harmony-YOLO11：基于高频增强与特征引导的轻量级小目标检测算法

来源：计算机工程与应用杂志2026年第10期北京时间：

作者：孙中毅, 王栋, 曹国刚, 宗鸣

单位：上海应用技术大学 智能技术学部，上海 201418；

摘要：无人机航拍图像的小目标检测面临尺度不平衡、可视化信息少、计算资源受限等挑战，同时现有的目标检测模型通常难以实现检测精度与模型复杂度之间的良好平衡。针对上述问题，提出一种基于YOLO11n的改进无人机航拍小目标检测算法Harmony-YOLO11。提出高频增强与跨尺度自适应模块（high-frequency enhancement and cross-scale adaptive module，HCM），通过强化小目标边缘、聚焦小目标区域以提升模型对小目标的适应能力；提出一种高效的特征引导金字塔网络（feature guide feature pyramid network，FG-FPN），其核心为创新设计的特征融合引导块（feature fusion guide block，FFGB），通过简化网络路径，实现轻量且高效的特征融合；C3K2_CCA基于CoordConv与CoordATT设计，增强了模型对小目标的空间感知能力；通过轻量级下采样模块MGC（maxpooling-ghost convolution）进一步降低模型复杂性。在VisDrone2019数据集上的实验表明，与YOLO11n相比，Harmony-YOLO11的mAP50和mAP50-95分别提高了5.10和3.12个百分点，同时参数量和模型大小分别减少了31%和25%。对TinyPerson数据集的进一步评估证实了该算法的泛化性和鲁棒性。

关键词：小目标检测,YOLO11,特征融合,无人机航拍图像

基金资助：国家重点研发计划（2025ZD0547601）。