DRM-YOLO:一种基于YOLOv11的结构优化方法,用于无人机航空图像中的小目标检测

《Image and Vision Computing》:DRM-YOLO: A YOLOv11-based structural optimization method for small object detection in UAV aerial imagery

【字体: 大 中 小 】 时间:2026年01月01日 来源:Image and Vision Computing 4.2

编辑推荐:

  小目标检测框架优化研究:针对UAV影像提出MetaDWBlock、Cross-scale Feature Fusion Module(CFFM)及四分支动态头,显著提升YOLOv11n在VisDrone2019数据集上的mAP@0.5(+21.4%)和mAP@0.95(+13.1%),有效解决复杂背景、低分辨率和密集小目标检测难题。

  
Hongbo Bi | Rui Dai | Fengyang Han | Cong Zhang
东北石油大学电气信息工程系,大庆,163000,中国

摘要

随着无人机成本的降低和自动化技术的进步,无人机在农业、检测和智慧城市等领域得到了越来越多的应用。然而,由于目标体积小、特征稀疏以及背景复杂,小物体检测仍然是一个难题。为了解决这些挑战,本文提出了一种改进的小物体检测框架,该框架基于YOLOv11n架构进行了优化。首先,提出的MetaDWBlock将多分支深度可分离卷积与轻量级MLP集成在一起,其分层的MetaDWStage增强了上下文相关性和细粒度特征建模。其次,跨尺度特征融合模块(CFFM)采用CARAFE上采样算子,实现了浅层空间特征与深层语义特征的精确融合,提高了多尺度感知能力。最后,一个具有P2分支的尺度、空间和任务感知的动态头(Dynamic Head)构成了四分支检测头,显著提高了对微小物体的检测精度。在VisDrone2019数据集上的实验结果表明,所提出的DRM-YOLO模型在小物体检测任务中显著优于基线YOLOv11n,mAP@0.5提高了21.4%,mAP@0.95提高了13.1%。这些结果充分验证了该方法在提高无人机航拍图像中小物体检测精度和鲁棒性方面的有效性和实际价值。我们的方法代码和结果可在以下链接获取:https://github.com/DRdairuiDR/DRM--YOLO

引言

近年来,随着无人机制造成本的持续降低以及自动化和控制技术的快速发展,无人机(UAV)已被广泛应用于农业监测、地质勘探、基础设施检测和智慧城市发展等多个领域。在这些应用中,小物体检测尤为重要,尤其是在实时监控、目标跟踪和高效数据分析等任务中。然而,由于无人机在高空运行,捕获到的图像中的目标通常非常小,仅占据很小的像素区域,导致特征信息稀疏,难以捕捉细节。此外,复杂的图像背景、频繁的光照变化、强烈的环境噪声和目标遮挡进一步增加了检测难度。因此,在低分辨率和弱特征条件下准确识别小物体已成为小物体检测的核心挑战。为了更好地说明这些挑战,图1展示了数据集中的几个代表性无人机图像。这些示例展示了典型的问题,如复杂的背景、光照变化和极小的目标尺寸,使得无人机图像中的物体检测尤为困难。
目前,基于深度学习的物体检测方法大致可以分为两类:两阶段和一阶段检测算法。两阶段方法通常包括“区域提案”后跟“分类和回归”,代表性模型包括Fast R-CNN [1]、Faster R-CNN [2] 和 Mask R-CNN [3]。这些方法以其高精度和多任务能力而闻名,能够实现精确检测,但计算成本较高,不太适合实时应用。
相比之下,一阶段检测算法将物体检测简化为一个回归问题,在单次前向传播中同时进行边界框回归和类别预测,显著提高了检测效率。代表性方法包括YOLO系列和SSD [4]。SSD依赖于手动设置的锚框,其大小和比例高度依赖于专家知识,限制了其在多样化场景中的泛化能力。此外,它对低层特征的依赖性降低了检测小物体的能力。
在YOLO系列中,YOLOv11通过架构优化在检测速度和精度之间取得了良好的平衡,因此被广泛用于实时检测任务。然而,在复杂的无人机场景中,YOLOv11在检测小物体时仍存在性能限制。
为了解决这些挑战,本文采用YOLOv11n作为基础架构,并提出了一种针对无人机图像中小物体检测特点的结构优化策略。实验结果表明,改进后的模型在无人机图像中的小物体检测任务中显著优于原始的YOLOv11n。本工作的主要贡献如下:
  • •
    为了解决原始C3k2模块接收域有限的问题,我们提出了MetaDWBlock,将多尺度深度可分离卷积与轻量级MLP集成在一起,并构建了一个分层的MetaDWStage,以实现高效建模和细粒度小物体特征的逐步提取。
  • •
    为了提高多尺度(特别是微小和中等大小)物体的检测能力,我们设计了跨尺度特征融合模块(CFFM),该模块利用CARAFE实现浅层空间细节与深层语义信息的细粒度融合,提高了语义完整性和边界保持能力。
  • •
    在YOLOv11的三头检测基础上,我们加入了一个尺度、空间和任务感知的动态头,并添加了一个P2分支,形成了四头结构,从而在密集的小物体场景中提高了检测效果。

章节片段

无人机物体检测与特定场景的挑战

在无人机航拍图像中进行物体检测面临许多严峻挑战,包括目标旋转、复杂背景、大量小物体、显著的尺度变化、稀疏的目标类别和不均匀的目标分布。这些因素大大增加了检测复杂性,阻碍了最佳性能的实现。为应对这些挑战,最近开发了多种专为无人机图像设计的检测算法

方法

为了提高YOLOv11n在无人机场景中对小物体的检测精度和鲁棒性,本文从主干网络到检测头进行了系统的架构改进。如图2所示,MetaDWBlock被集成到主干网络中以实现多尺度上下文建模,MetaDWStage模块堆叠了多分支深度可分离卷积,以丰富特征多样性和层次结构,有效捕获复杂背景中的细粒度特征。

实验数据集

为了在真实世界场景中验证所提出的方法,我们在VisDrone2019数据集 [34] 上进行了实验,该数据集由天津大学的AIKYEYE团队收集和标注。该数据集专为低空无人机视觉任务设计,是该领域的代表性且具有挑战性的基准。数据集包含了来自多个城市的多样化图像,这些图像是在不同光照条件和物体密度下使用各种无人机平台拍摄的,分辨率范围从0.02米/像素到0.1米/像素。

结论

本研究通过优化YOLOv11n架构的主干网络、特征融合和检测头,解决了无人机场景中的小物体检测挑战。提出的MetaDWBlock和堆叠的MetaDWStage通过多尺度上下文建模增强了细粒度特征捕获。跨尺度特征融合模块(CFFM)利用CARAFE加强了浅层与深层特征之间的协调,而具有P2分支的动态头提高了尺度感知和任务适应性。

CRediT作者贡献声明

Hongbo Bi:撰写 – 原始草案、验证、软件实现。Rui Dai:撰写 – 原始草案、验证、软件实现、方法论。Fengyang Han:撰写 – 审稿与编辑、可视化、验证。Cong Zhang:撰写 – 审稿与编辑、方法论。

利益冲突声明

作者声明他们没有已知的可能会影响本文工作的竞争性财务利益或个人关系

致谢

本文得到了国家自然科学基金 [http://dx.doi.org/10.13039/501100001809](项目编号62471124)的支持。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号