改进YOLOv11n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7期北京时间：

作者：李彬, 李生林

单位：重庆邮电大学 软件工程学院，重庆 400065

摘要：为了有效应对无人机航拍中小目标检测面临的复杂背景、目标密集、目标微小化和移动端部署等挑战，对YOLOv11n模型进行了改进。使用RFCBAMConv模块改进C3k2，增强了特征提取能力。设计了膨胀特征金字塔卷积（dilated feature pyramid convolution，DFPC）模块，替代了原有的SPPF层。通过多尺度膨胀卷积，加强了对无人机小目标细节特征的提取。提出了一种新的特征金字塔结构，在P2层增加160×160尺寸的特征图输出，以提取小目标特征信息。该方法替代了传统通过添加P2小目标检测头的做法。引入了CSPOK模块和ContextGuidedBlock_Down（CGBD）卷积，显著提升了全局特征的提取能力和多尺度特征的融合能力。采用动态检测头（DyHead）替代了原有的检测头，提升了模型的目标检测精度。实验结果表明，改进模型在VisDrone数据集上的mAP@0.5和mAP@0.5：0.95指标分别提高了0.071和0.049。此外，在AI-TOD和SODA-A等数据集上的泛化实验也显示，改进模型在mAP@0.5上分别获得0.055和0.048的提升，充分验证了模型的有效性和泛用性。

关键词：小目标检测,YOLOv11,特征提取,感受野注意力