《Journal of Imaging》:Real-Time Small UAV Detection in Complex Airspace Using YOLOv11 with Residual Attention and High-Resolution Feature Enhancement
Chuang Han,
Md Redwan Ullah,
Amrul Kayes,
Khalid Hasan,
Md Abdur Rouf,
Md Rakib Hasan,
Shen Tao,
Guo Gengli and
Mohammad Masum Billah
编辑推荐:
本文提出了一种名为YOLOv11-ResCBAM的实时无人机检测框架,旨在解决小型无人机在复杂空域中因像素尺寸小、类鸟特征及遮挡导致的检测难题。该模型将残差卷积块注意力模块(ResCBAM)与高分辨率P2检测头集成到YOLOv11架构中,在保持50.51 FPS实时推理速度的同时,将平均精度(mAP@0.5-0.95)提升至0.845,较基线模型提高7.9%,为安保、无人机交通管理等应用提供了高效的解决方案。
在智慧物流、环境监测等领域大放异彩的同时,小型无人机也带来了未经授权的监视、走私甚至侵入禁区的安全风险。如何从复杂的城市天际线中,准确、快速地“揪出”那些像素小得像芝麻、飞起来像小鸟、还时不时被建筑遮挡的无人机,成为了一个亟待解决的技术难题。传统雷达对“小不点”目标常常“视而不见”,而即便是目前最先进的视觉检测模型,面对如此棘手的场景也力不从心。为了解决这个“卡脖子”问题,一项名为《Real-Time Small UAV Detection in Complex Airspace Using YOLOv11 with Residual Attention and High-Resolution Feature Enhancement》的研究应运而生,并发表在了《Journal of Imaging》期刊上。这项研究旨在开发一种既能“明察秋毫”又能“眼疾手快”的检测系统,在复杂空域中实现对无人机的精准实时预警。
研究者们主要运用了深度学习模型架构设计与优化的关键技术。他们以轻量、快速的YOLOv11n模型为基础框架。核心技术方法包括两点:一是创新性地设计了残差卷积块注意力模块(Residual Convolutional Block Attention Module, ResCBAM),将通道与空间注意力机制通过残差连接(Residual Connection)集成,在增强关键特征的同时保留原始上下文信息,防止对小型目标重要特征的过度抑制。二是引入了一个高分辨率的P2检测头(P2 detection head),其步长(Stride)为4,相较于基线模型的P3/P4/P5层,特征图分辨率加倍,专门用于保留和利用对小型目标定位至关重要的精细空间细节。此外,研究构建并使用了包含4917张原始图像(增强后达11733张)的自定义数据集,涵盖无人机、鸟类、飞机三个类别,以确保模型在多样环境和遮挡条件下的评估可靠性。
研究结果
- •
模型性能显著提升:在自定义数据集上,提出的YOLOv11-ResCBAM模型取得了优异的性能指标。其精确率(Precision)达到0.968,召回率(Recall)为0.921,在IoU阈值为0.5时的平均精度(mAP@0.5)高达0.969。更重要的是,在更严格的IoU阈值0.5至0.95范围内,其平均精度(mAP@0.5–0.95)达到了0.845,相较于基线YOLOv11n模型提升了7.9%。与此同时,模型在单个NVIDIA RTX 3090 GPU上实现了50.51 FPS的实时推理速度,在精度和速度间取得了良好平衡。
- •
消融实验验证模块有效性:通过系统的消融实验(Ablation study),研究证实了所提出两个核心改进点的贡献。实验表明,单独引入高分辨率P2检测头能将mAP@0.5–0.95提升约4.8%,而单独引入ResCBAM模块能带来约3.5%的提升。两者结合使用时,性能提升达到最高的7.9%,证明了模块间的协同效应。此外,实验还确定了将ResCBAM模块集成在YOLOv11主干网络中cv1和cv2卷积块之后的位置策略最为有效。
- •
可视化诊断与泛化能力:通过热力图(Heatmap)等可视化工具对模型注意力区域进行分析,发现YOLOv11-ResCBAM能够更精确地将注意力集中在小型无人机目标本身,而非背景干扰物上,显示出更好的特征判别能力。此外,研究在公开的VisDrone2019-DET和UAVDT基准数据集上进行了跨数据集验证(Cross-dataset validation),模型展现出了优于基线模型的泛化趋势,证明了其应对不同分布数据的能力。
- •
与先进模型的对比:研究将YOLOv11-ResCBAM与YOLOv8、YOLOv7等其他先进的YOLO变体模型进行了对比。结果显示,无论是在自定义数据集还是在VisDrone2019-DET数据集上,YOLOv11-ResCBAM在mAP@0.5–0.95这一核心指标上均取得了最优或极具竞争力的结果,同时保持了可比的或更优的推理速度,综合性能突出。
研究结论与意义
本研究成功开发并验证了YOLOv11-ResCBAM这一针对复杂空域小型无人机检测的实时深度学习框架。其核心创新在于将残差结构的注意力机制(ResCBAM)与高分辨率检测头(P2)有机结合,有效缓解了小型目标检测中特征细节丢失与背景干扰的固有难题。实验数据充分证明,该模型在显著提升检测精度(特别是对小目标和严格定位要求)的同时,成功维系了实时处理能力。
这项工作具有重要的理论价值与实践意义。在理论上,它探索了注意力机制与高分辨率特征表示在轻量级实时检测器中的有效集成范式,为改进小型目标检测的模型设计提供了新思路。在实践上,该模型为无人机监控系统、自主无人机交通管理、关键基础设施安保等对实时性与准确性均有严苛要求的场景,提供了一个高效、可靠的解决方案。它表明,通过针对性的架构创新,能够在计算资源受限的边缘设备上实现复杂视觉任务的高性能处理,推动了实时空中感知技术向更智能、更鲁棒的方向发展。