计算机工程与应用

作者：李平, 陈继锋

单位：湖南涉外经济学院 信息与机电工程学院，长沙 410205；

关键词：红外遥感,YOLOv13,小目标检测,跨尺度,特征融合,Transformer

基金：湖南省教育厅科学研究重点项目（23A0659）。

为了有效应对红外遥感场景中小目标尺度较小、信噪比低且易被复杂背景淹没等挑战，对YOLOv13模型进行改进，实现实时性和轻量化的检测需求。通过构建多阶特征聚合模块（multi-level feature aggregation module， MFAM），自底向上汇聚不同语义深度与空间分辨率的层级信息，并自适应重标定其贡献，以缓解小目标在深层语义中被稀释的问题。设计了双路径融合金字塔网络（dual-path fusion pyramid network，DFPN），以互补的自顶向下语义增强路径与自底向上细节回流路径实现跨尺度信息循环交互，从而强化弱小热目标的可分性。提出的上下文感知融合模块（context-aware fusion block，CAFBlock）采用全局自注意力和局部深度卷积的双分支结构以协同建模长距离依赖与精细局部特征，同时结合膨胀卷积多感受野和深度卷积局部细节的双路径处理方式与门控融合机制，全面增强模型的多尺度上下文建模能力。在SIRST和HIT-UAV数据集上进行对比评估，改进模型实现了90.06%和64.37%的AP，分别提高了7.65个百分点和8.55个百分点，充分验证了模型的有效性和可行性。

来源：2026年第7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7期