计算机工程与应用

作者：余长同, 赖惠成, 汤静雯, 高古学

单位：1.新疆大学 计算机科学与技术学院，乌鲁木齐 830046；2.新疆大学 新疆维吾尔自治区信号检测与处理重点实验室，乌鲁木齐 830046；3.丝路多语言认知计算国际合作联合实验室，乌鲁木齐 830046；

关键词：小目标检测,双骨干,跨尺度特征,剪枝,知识蒸馏（KD）

基金：新疆维吾尔自治区重点研发计划项目（2022B01008）。

针对无人机小目标检测特征表达不足、信息流受阻以及模型参数量、计算量过大的问题，提出双骨干轻量化无人机小目标检测算法DBA-YOLO。设计高低分辨率双骨干并配合跨尺度门控特征交互模块（cross-scale gated feature interaction module，CSGF），奠定全局-局部协同语义骨架；设计两阶段汇聚-折返颈部网络，通过尺度-边缘融合块（scale-edge fusion block，SEFBlock）和卷积门控混合块（Conv gated mixer block，CGMBlock）强化边缘细节与通道选择；设计多分支重参数化检测头（diverse branch block head，DBBHead），通过异构路径构建丰富的特征通路，增强模型的特征表达能力，同时兼顾推理效率。在模型压缩上，集成层自适应幅度剪枝算法，并为各子模块自定义剪枝器，显著削减参数量和计算量；对剪枝后的模型进行知识蒸馏，提升精度和泛化性。实验表明，相较于基础YOLOv11s模型，在公开数据集VisDrone2019测试集上，mAP50提升5.96个百分点，参数量从9.42×106减少至3.45×106，压缩63.38%。在极小目标数据集TinyPerson测试集上，mAP50提升8.19个百分点，参数量从9.41×106减少至2.66×106，压缩71.73%。

来源：2026年第5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5期