融合多注意力机制的轻量级无人机航拍小目标检测模型.pdfVIP

ComputerEngineeringandApplications计算机工程与应用2025，61（11）93

融合多注意力机制的轻量级无人机航拍小目标检测模型

+

涂育智，王法翔，吴春霖

福州大学物理与信息工程学院，福州350116

+通信作者E-mail：wangfaxiang@

摘要：无人机航拍中的目标检测面临诸多挑战，如检测目标小、尺度变化大以及计算能力受限等问题。针对现有

小目标检测模型体积大、计算量高，难以在边缘设备上高效部署的问题，提出了一种基于YOLOv11改进的轻量化模

型MA-YOLOv11s（multi-attentionYOLOv11s）。选择性地引入小目标检测层，在提高检测能力的同时控制计算量增

长。设计了融合多种注意力机制的轻量级特征提取模块C2SCSA和C2MCA，增强了模型对复杂背景中小目标的特

征提取能力，同时保持了较低的计算开销。采用Soft-NMS-SIOU替代传统的NMS方法，显著提升了模型在密集重

叠目标场景中的检测精度与鲁棒性。在VisDrone2019数据集的实验中，与YOLOv11s模型相比，MA-YOLOv11s仅

6

用2.291×10的参数量和22.4GFLOPs的计算量就将精确率、召回率、mAP50、mAP50：95分别提升8.9、1.3、10.9、9.7个百

分点。实验结果表明，改进后的模型在保持小体积的同时展现了卓越的小目标检测性能。

关键词：无人机（UAV）；小目标检测；注意力机制；轻量化；YOLOv11

文献标志码：A中图分类号：TP391.4doi：10.3778/j.issn.1002-8331.2412-0324

LightweightUAVAerialSmallObjectDetectionModelIntegratingMulti-AttentionMechanisms

+

TUYuzhi,WANGFaxiang,WUChunlin

SchoolofPhysicsandInformationEngineering,FuzhouUniversity,Fuzhou350116,China

Abstract：Objectdetectioninaerialimagerycapturedbyunmannedaerialvehicles(UAVs)facessignificantchallenges,

suchasdetectingsmall-scaleobjects,handlingvariationsinobjectsizes,andaddressinglimitedcomputationalresources.

Existingsmall-objectdetectionmodels,oftenlargeandcomputationallydemanding,areunsuitablefordeploymenton

edgedevices.Toaddresstheselimitations,thepaperproposesalightweightmodel,MA-YOLOv11s(multi-attention

YOLOv11s),whichbuildsonenhancementstoYOLOv11.Firstly,itintroducesselectivesmall-objectdetectionlayersto

improveperformancewhilemanagingcomputationalcomplexity.Secondly,thispaperdesignstwolightweightfeature

extractionmodules,C2SCSAandC2MCA,whichintegratemultipleattentionmechanismstoenhancefeatureextraction

forsmallobjectsincomplexbackgroundswh