改进YOLOv11n的轻量化无人机目标检测算法OA
针对无人机目标检测目标密集、尺度变化大、背景复杂,以及参数量过大等问题,在YOLOv11n模型基础上提出了一种轻量化高精度目标检测网络。首先,在主干网络的C3k2模块中引入CFBlock模块,增强对密集目标的特征提取能力;其次,在Neck网络中引入重参数化泛化特征金字塔网络模块,提升多尺度融合质量;接着,采用动态检测头,来增强模型对复杂场景的适应。最后,为降低模型复杂度,引入LAMP剪枝算法,实现模型轻量化。实验结果表明,改进后的模型相比YOLOv11n模型,在VisDrone2019和UAVDT数据集上,mAP@0.5分别提升2.1%,3.1%,模型复杂度显著降低,参数量分别降低20%,29%,浮点运算次数分别降低17%,25%。研究为无人机平台下的实时目标检测提供了一种兼顾精度与效率的改进思路。
赵艳芹;石一泽
黑龙江科技大学计算机与信息工程学院,黑龙江哈尔滨150022黑龙江科技大学计算机与信息工程学院,黑龙江哈尔滨150022
信息技术与安全科学
YOLOv11n轻量化网络注意力机制LAMP剪枝无人机
《高师理科学刊》 2026 (6)
P.27-36,10
2025年度黑龙江省省属本科高校基本科研业务费项目(NO.2025-KYYWF-ZR0609)——基于深度学习YOLOv8模型的煤岩图像识别研究。
评论