HierLight-YOLO：一种用于无人机摄影的分层轻量级目标检测网络
计算机视觉与模式识别
2025-09-29 v1
摘要
在无人机航拍等复杂场景中实时检测小目标，面临着检测小目标（<32像素）与在资源受限平台上保持实时效率的双重挑战。尽管 YOLO 系列检测器在实时大目标检测中取得了显著成功，但在以小目标为主的无人机检测场景中，其漏检率相较于大目标场景显著更高。本文基于 YOLOv8 架构，提出了 HierLight-YOLO，一种增强小目标实时检测的分层特征融合轻量级模型。我们提出了分层扩展路径聚合网络（HEPAN），这是一种通过分层跨层连接进行多尺度特征融合的方法，可提升小目标检测精度。HierLight-YOLO 包含两个创新的轻量级模块：倒残差深度卷积块（IRDCB）和轻量级下采样（LDown）模块，它们在不牺牲检测能力的前提下，显著降低了模型的参数量和计算复杂度。此外，设计了小目标检测头以进一步提高空间分辨率和特征融合能力，从而应对微小目标（4像素）的检测。在 VisDrone2019 基准上的对比实验和消融研究证明了 HierLight-YOLO 的 SOTA 性能。
引用
@article{arxiv.2509.22365,
title = {HierLight-YOLO: A Hierarchical and Lightweight Object Detection Network for UAV Photography},
author = {Defan Chen and Yaohua Hu and Luchan Zhang},
journal= {arXiv preprint arXiv:2509.22365},
year = {2025}
}