基于YOLOv11n的无人机航拍图像目标检测算法
LU Yongyu, CHEN Mingxia, LU Junliang, TAN Zhaoliang, Qisheng Qiu
Guilin University of Technology
阅读操作
确认中在文库中上传 PDF 后可生成中文音频讲解。
摘要与影响
针对无人机航拍图像中小目标密集且尺寸小、背景复杂而导致的漏检与误检问题,本文提出基于YOLOv11n的改进MCF-YOLO检测算法。首先,设计了一个小目标特征增强模块MSFE,通过保留高分辨率、加深卷积层并引入残差连接,增强小目标特征表达;其次,在C3k2模块中引入上下文锚点注意力(CAA),利用水平-垂直分离卷积捕获长距离空间依赖,提升全局上下文感知能力,解决背景干扰与目标遮挡问题;最后,采用Focaler-DIoU损失函数,通过引入动态样本权重调节机制,优化边界框回归过程,从而提高小目标定位精度并减少误检和漏检现象。实验结果表明,改进后的算法在VisDrone2019数据集上相比基础YOLOv11n模型,准确率、召回率,mAP@0.5和mAP@0.5:0.95分别提升了6.7%、3.1%、5.6%和3.9%,显著优于其他主流方法。此外,在VEDAI与DOTA数据集上的泛化性测试中,模型的mAP@0.5分别提升了1.2%和1.3%,证明了所提方法在不同场景下的有效性和良好的适应能力。
逐年被引趋势
暂无年度引用数据
关键指标
同类平均 = 1
同领域 · 同年份 · 同类型
Google Scholar 与 OpenAlex 的被引统计范围不同,数值存在差异属正常。
AI 辅助阅读
依据:摘要
可就本文提问;依据不足时会说明。
学术脉络
学科主题
计算机 / AIAdvanced Neural Network Applications
Visual Attention and Saliency Detection · Domain Adaptation and Few-Shot Learning