HSF-Net:一种用于无人机航空影像中小目标检测的分层边缘增强与稀疏感知融合网络
《Drones》:HSF-Net: A Hierarchical Edge Enhancement and Sparse-Aware Fusion Network for Small Object Detection in UAV Aerial Imagery
【字体:
大
中
小
】
时间:2026年08月28日
来源:Drones 5.2
摘要
在无人机(UAV)影像中进行目标检测时,极小的目标尺寸、杂乱的背景以及明显的前景与背景对比度差异给检测带来了巨大挑战,这些因素共同降低了通用检测器的准确性。本文提出了HSF-Net,这是一个在YOLOv11的基础上通过三项互补改进构建的小目标检测网络。首先,层次化边缘增强模块(HEEM)采用正交条带卷积分解和零初始化残差融合技术,来增强和重新加权在深度卷积主干网络中逐渐减弱的高精度边缘和纹理特征。其次,稀疏感知特征调制(SAFM)模块替代了自上而下的检测流程中的串联融合方式,将稀疏前景门与通道级尺度调制相结合,将跨尺度聚合限制在包含目标的区域。最后,检测头的结构从{P3, P4, P5}调整为{P2, P3, P4},引入了针对微小目标的高分辨率处理路径,同时去除了原有的低分辨率P5分支。在VisDrone数据集上,HSF-Net的mAP50达到46.4%,mAP50–95达到28.5%,分别比基准模型提高了7.1%和4.8%,同时参数数量从940万减少到了360万。该模型在NVIDIA RTX 3090显卡上的端到端处理速率为131.3 FPS,尽管高分辨率的P2分支使得计算成本增加到了39.5 GFLOPs。经过针对TinyPerson数据集的特定训练和评估后,HSF-Net在mAP50指标上比YOLOv11s提高了5.2%,表明即使在目标尺寸分布和海洋背景显著不同的情况下,其相对性能优势依然存在。
生物通微信公众号
生物通新浪微博
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