计算机工程与应用

作者：郭家林, 曹云峰

单位：南京航空航天大学 航天学院，南京 211106；

关键词：小目标检测,轻量级,注意力机制,YOLOv11,机载平台

基金：航空科学基金（2024Z071052013）；南京航空航天大学研究生科研与实践创新计划（xcxjh20241501）。

针对在无人机航拍图像中小目标检测面临的高动态场景、目标特征信息少以及机载计算资源受限等问题，提出了一种基于改进YOLOv11s的航拍小目标检测方法。提出了密集跨路径特征金字塔网络（dense cross-path feature pyramid network，DCP-FPN）作为Neck结构，移除了大目标检测层，新增小目标检测层，通过密集连接方式最大化特征利用效率，显著减少模型参数量的同时，有效提升小目标特征捕获能力。提出了一种集成动态通道调整和双分支特征交互的新型轻量级卷积模块Ghost-DSConv，主干分支采用深度可分离卷积（depthwise separable conv，DSConv），辅以分组卷积构成的廉价分支生成补充特征，能够以更小的计算代价提取空间特征并增强特征多样性。提出了轻量级小目标注意力机制模块（lightweight small-target attention，LSTA），通过引入三重注意力强化机制，在极小计算开销的前提下，显著提升了模型对小目标的检测性能。实验结果表明，在VisDrone2019-DET数据集上，提出的改进算法的mAP50与mAP50-95分别提升到44.8%和27.4%。改进后的YOLOv11s模型参数量仅为3.51×106，并部署在基于RK3588s的嵌入式平台上，结果表明该模型能满足实时性的要求，实现了精度与效率的良好平衡；同时，在CARPK和Tinyperson数据集上验证了所提方法的泛化性和有效性。

来源：2026年第8期

《计算机工程与应用》期刊编辑部

查看计算机工程与应用杂志2026年第8期