基于YOLOv11n的实时遥感图像检测研究

摘要

针对无人机遥感图像中多尺度密集目标难以快速、准确检测与识别的问题，本研究提出一种基于轻量级目标检测模型(YOLOv11n)的遥感图像目标检测方法。该方法以航空影像目标检测数据集(DOTA)为基准，对预训练YOLOv11n模型进行迁移学习，并融合数据增强与多尺度训练策略进行微调，以提升模型在复杂背景下的检测精度与泛化能力。实验在DOTA测试集458幅遥感图像上进行评估，结果表明：所提方法平均精度均值(mAP)达到57.6%、召回率(Recall)为54.4%、精确率(Precision)为71.1%,同时保持较高的推理速度与部署灵活性。结果验证了YOLOv11n模型在遥感图像目标检测任务中的有效性与适用性，可为智能遥感分析、无人机巡检及军事侦察等领域的应用等应用提供技术支撑。。

关键词

遥感图像 / 目标检测 / YOLOv11n / 迁移学习 / 轻量级模型