YOLO11-4K：用于4K全景图像中实时小目标检测的高效架构
计算机视觉与模式识别
2025-12-19 v1
摘要
全向360度图像的处理由于固有的空间畸变、宽视场和超高分辨率输入，对目标检测构成了重大挑战。YOLO等传统检测器针对标准图像尺寸（例如640×640像素）进行了优化，在处理360度视觉典型的4K或更高分辨率图像的计算需求时往往力不从心。为解决这些局限性，我们提出了YOLO11-4K，一个专为4K全景图像设计的高效实时检测框架。该架构采用了一种带有P2层的新型多尺度检测头，以提高对粗尺度下常被遗漏的小目标的灵敏度，并采用基于GhostConv的主干网络以在不牺牲表征能力的前提下降低计算复杂度。为便于评估，我们手动标注了CVIP360数据集，生成了6,876帧级边界框，并生成了一个公开可用的、面向检测的4K全景场景基准。YOLO11-4K在0.50 IoU下达到0.95 mAP，每帧推理耗时28.3毫秒，相比YOLO11（112.3毫秒）延迟降低75%，同时精度也得到提升（0.50 mAP为0.95对比0.908）。效率与精度的平衡使得在广阔360度环境中的鲁棒目标检测成为可能，使该框架适用于现实世界的超高分辨率全景应用。虽然本工作聚焦于4K全向图像，但该方法广泛适用于自动驾驶、监控和增强现实中的高分辨率检测任务。
引用
@article{arxiv.2512.16493,
title = {YOLO11-4K: An Efficient Architecture for Real-Time Small Object Detection in 4K Panoramic Images},
author = {Huma Hafeez and Matthew Garratt and Jo Plested and Sankaran Iyer and Arcot Sowmya},
journal= {arXiv preprint arXiv:2512.16493},
year = {2025}
}
备注
Conference paper just submitted