面向遥感图像多尺度目标检测的YOLOv11n双策略改进
计算机视觉与模式识别
2026-03-17 v1
摘要
卫星遥感图像因其高分辨率、复杂场景以及目标尺度的大幅变化，给目标检测带来了显著挑战。为解决YOLOv11n模型在遥感影像中检测精度不足的问题，本文提出了两种改进策略。策略1：(a)引入大型可分离核注意力(LSKA)机制到背板网络中以增强对小目标的特征提取；(b)将Gold-YOLO结构集成到颈部网络中以实现多尺度特征融合，从而提高不同尺度目标的检测性能。策略2：(a)将Gold-YOLO结构也集成到颈部网络中；(b)组合MultiSEAMHead检测头，以进一步加强对小目标和多尺度目标的表征和检测能力。为验证所提改进方法的有效性，在DOTAv1数据集上进行实验。结果表明，与基线YOLOv11n相比，所提方法在保持模型轻量化优势的同时，分别将检测精度([email protected])提高了1.3%和1.8%，显示示了所提方法在遥感图像目标检测中的有效性和实际价值。
引用
@article{arxiv.2603.13879,
title = {Dual-Strategy Improvement of YOLOv11n for Multi-Scale Object Detection in Remote Sensing Images},
author = {Shuaiyu Zhu and Sergey Ablameyko},
journal= {arXiv preprint arXiv:2603.13879},
year = {2026}
}
备注
14 pages, 8 figures