基于多尺度特征聚合的航拍图像检测算法

来源：浙江大学学报·工学版杂志2026年第9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，甘肃 兰州 730070

摘要：针对无人机(UAV)航拍图像检测任务中存在的密集小目标特征混淆导致漏检率高的问题，在YOLOv11的基础上提出基于多尺度特征聚合的航拍图像检测算法FDL-YOLO. 设计基于频率动态卷积的特征提取模块C3k2-FDCN，通过动态调整卷积核频率响应特性，增强对小目标高频细节特征的敏感度. 使用动态自适应尺度融合模块，重构特征金字塔结构并新增160×160高分辨率特征图，实现跨尺度特征的自适应深度融合. 在网络输入端引入LoG-Stem层，增强输入图像边缘特征和强化目标轮廓信息. 在检测头前端构建浅层细节融合模块，通过通道空间双重注意力机制缓解密集目标场景下的特征混淆. 采用基于依赖图的结构剪枝策略，在保留关键特征通道的前提下优化模型参数，实现检测精度与轻量化部署的平衡. 在VisDrone2019数据集上的实验结果表明，利用改进后的算法，准确率提升5.9%，召回率提升8.2%，mAP50提升8.6%~47.2%，参数量下降了70%. 该算法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,航拍图像,小目标检测,多尺度特征,结构剪枝,轻量化

基金资助：国家自然科学基金资助项目（62241204）.