计算机工程与应用

作者：周忠锟, 张扬, 张宇, 孟可, 元赵阳

单位：大连交通大学 轨道智能工程学院，辽宁 大连 116028；

关键词：无人机（UAV）,小目标检测,YOLOv11,特征增强,多尺度信息融合

基金：辽宁省自然科学基金面上项目（2021-MS-298）；辽宁省教育厅科学研究项目（JDL2020006）。

针对智能交通场景，辅助无人机检测图像目标呈现小尺度、低分辨率、高密度分布等特点造成检测精度低的问题，提出了一种改进YOLOv11n的航拍视角下小目标检测算法：MCT-YOLO。优化检测层结构，针对性地添加极小目标检测头，剔除大目标检测头，捕捉更多局部信息，降低特征干扰，以适应小目标检测任务；提出多频交互下采样MFID（multi-frequency interactive downsampling），减少下采样过程中的特征丢失，保留更多图像信息；引入MobiVari结构，构建C3k2_MV模块，进行深度特征提取，增强细节特征表达；设计一种多尺度信息融合方式TCF（triple complementary fusion），通过融合不同语义的上下文信息，实现语义与细节信息互补，提升小目标检测能力。所提算法在VisDrone2019-DET数据集上的mAP50、mAP50-95达到了40.9%、25.0%，较基准网络YOLOv11n分别提高了7.7、5.8个百分点；同时算法的参数量也有所降低，减少了7.6%，适用于无人机航拍视角下的小目标检测场景。

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