AMSD-YOLO:基于注意力多尺度解耦的无人机航拍图像小目标检测

范志彬; 郭良岩; 叶博文; 王嘉豪

doi:10.16103/j.cnki.21-1583/n.2026.03.006

沈阳大学学报（自然科学版） ›› 2026, Vol. 38 ›› Issue (3) : 219 -226+263. DOI: 10.16103/j.cnki.21-1583/n.2026.03.006

AMSD-YOLO:基于注意力多尺度解耦的无人机航拍图像小目标检测

范志彬, 郭良岩, 叶博文, 王嘉豪

作者信息 +

Author information +

文章历史 +

摘要

针对无人机航拍图像中小目标检测面临的特征稀疏、背景复杂及计算资源有限等挑战，提出一种基于YOLOv11n的增强型目标检测模型AMSD-YOLO。该模型融合3项改进：渐进式分层感知动态注意力模块（LADA）实现自适应多尺度特征融合；轻量化解耦模块（LDB）以极低参数量代价完成空间压缩与通道扩展；增设浅层检测头以增强小目标的定位能力。在VisDrone 2019数据集上的实验结果表明，AMSD-YOLO相比基准模型YOLOv11n,m_AP@0.50提升4.9%,参数量减少44.6%,且在NVIDIA RTX4090 GPU上的推理速度达到145帧·s^-1,满足实时处理需求。所提模型有效平衡了检测精度与计算效率，适用于实时无人机应用场景。