跨尺度特征融合的无人机小目标检测算法

来源：计算机工程与应用杂志2025年第14期北京时间：

作者：罗显志, 汪航

单位：湖北大学 人工智能学院，武汉 430062

摘要：针对目前无人机小目标检测任务中存在的多尺度、目标小、复杂背景干扰、易受遮挡等问题，提出一种复合特征融合与跨尺度优化的YOLOv11n改进模型，在骨干网络中提出MPCA(multiscale perceptual cascade attention）机制改进卷积模块，解决传统卷积特征表达能力不足的同时，在较低计算成本下显著提升网络的特征提取能力；提出全新的EMSFPN（efficient multi-scale FPN）结构改进颈部网络，使不同层级的特征得以相互融合。在改进颈部网络模型的基础上，增加具有丰富小目标语义信息的特征层；使用SBA（selective boundary aggregation）模块对多分辨率特征进行交互融合，提升模型的多尺度处理能力；引用Inner-IoU损失函数的思想改进Wise-IoU函数，用Inner-WIoU替代原损失函数，提升对小目标的定位精度，优化损失值计算。改进后YOLOv11n算法在VisDrone2019数据集上相对原始模型参数量减少9.8%，mAP50显著提升了9.1个百分点，性能超过YOLOv11s，在实现模型轻量化的同时，大幅度提升了性能。

关键词：YOLOv11n,无人机（UAV）,小目标检测,多尺度特征融合,Inner-WIoU