ES-YOLO：基于细节特征增强与冗余特征抑制的小目标检测方法

朱志亮, 黄欣荣, 刘怡, 罗文俊, 朱碧堂, 张小刚

doi:10.16749/j.cnki.jecjtu.20251204.002

华东交通大学学报 ›› 2025, Vol. 42 ›› Issue (6) : 42 -50. DOI: 10.16749/j.cnki.jecjtu.20251204.002

ES-YOLO：基于细节特征增强与冗余特征抑制的小目标检测方法

朱志亮, 黄欣荣, 刘怡, 罗文俊, 朱碧堂, 张小刚

作者信息 +

Author information +

文章历史 +

摘要

针对低空小目标在多层下采样过程中细节特征丢失的问题，提出一种基于细节特征增强与冗余特征抑制的小目标检测模型ES-YOLO。该方法以轻量化YOLOv5s为基础，构建由空间细节增强模块（SDE）与冗余特征抑制模块（RFS）组成的双重特征优化机制。SDE通过动态上采样与反卷积上采样协同实现尺度自适应的空间细节精细恢复与结构一致性重建，增强小目标纹理与边界信息；RFS从通道与空间多维度建模特征依赖关系，抑制背景噪声与冗余响应，提高特征纯净度与目标显著性。实验结果表明，ES-YOLO在VisDrone2019数据集上的mAP@0.5与mAP@[0.5:0.95]较YOLOv5s分别提升12.97个百分点与9.22个百分点，计算量GFLOPs仅为YOLOv8m的38.59%。