HM-YOLO：融合多尺度特征的轻量化航拍图像检测算法

来源：计算机工程与应用杂志2026年第1期北京时间：

作者：李珺, 丁彬彬, 史维娟, 杨琳

单位：兰州交通大学 电子与信息工程学院，兰州 730070

摘要：针对无人机航拍图像检测任务中，存在目标尺寸微小、背景环境复杂和特征提取困难等问题，在YOLOv11的基础上提出了一种轻量化的航拍图像检测算法HM-YOLO。对骨干网络中不同尺度的特征进行下采样和上采样，扩展了不同特征通道之间的信息交互，同时优化了浅层特征图的大小以适应航拍图像中的微小目标；设计了高效特征提取模块C3k2_MSEE，先利用自适应平均池化对特征图进行划分，再通过边缘增强模块来突出边缘信息，避免小目标特征信息在深层网络中丢失；提出了层次注意力融合模块HAFB，通过构建局部与全局双路注意力网络，强化了模型对上下文信息的整合能力；引入了具有多重注意力机制的动态检测头DyHead，进一步优化了对小目标特征信息的感知能力。并且使用LAMP剪枝方法和BCKD知识蒸馏策略对HM-YOLO进行了轻量化处理，显著压缩了模型的体积。在Visdrone2019数据集上的实验结果表明，改进后算法的准确率、召回率和mAP@50，分别提升了8.4、5.7和8.4个百分点，能够有效应对无人机航拍图像目标检测任务中的挑战。

关键词：YOLOv11,小目标检测,多尺度特征,通道剪枝,知识蒸馏,轻量化