基于改进YOLO11n的无人机红外人车目标检测方法OA

为了提升无人机在低光环境下的目标识别能力,减少漏检,提出了一种基于改进YOLO11n的红外图像目标检测方法,对无人机视角下的红外人和车目标具有良好的检测效果.该改进方法主要包括两个方面:首先,通过使用FasterNet替换主干网络,增强模型的特征表达能力;其次,在检测头增加P2检测层,提高对小目标的检测能力.实验结果表明:改进后的模型在自建的红外人和车数据集上的精确度可达97.4%,召回率可达97.7%,平均精度均值(mAP@0.5:0.95)可达80.8%,相较于YOLO11n分别提升1.1%、4.9%和2.3%,能够显著提升红外人和车目标的检测精度并减少漏检.