<img src="https://www.zjujournals.com/eng/images/1008-973X/images/logo.png" class="img-responsive">

图 1 FDL-YOLO的网络结构

Fig.1 Network structure of FDL-YOLO

1.1. C3k2-FDCN

针对航拍图像中目标尺寸微小的特点，引入用于密集图像检测的频率动态卷积（frequency dynamic convolution，FDConv）^[10]，FDConv的架构如图2所示. FDConv分为3个核心模块：傅里叶不相交权重（FDW）、核空间调制（KSM）、频带调制（FBM）.

图 2

图 2 频率动态卷积的结构图

Fig.2 Structure diagram of frequency dynamic convolution

FDW构建频率多样化基础权重：对输入特征图X全局平均池化后，经全连接层与激活函数生成n个权重系数，将傅里叶域系数转为空间域卷积核，与对应的权重逐元素相乘后聚合，得到初始的自适应权重. KSM精细调整核空间响应：从X的AvgPool出发，经FC、Conv1D和Sigmoid生成密集调制矩阵，与FDW输出的初始权重逐元素相乘. FBM动态调控频带贡献：对KSM输出权重作傅里叶变换转至频域，分解为多子带，通过Conv2D和Sigmoid生成调制图，控制各子带的空间贡献，调制后子带经逆傅里叶变换转回空间域并聚合，得到最终的动态卷积核.

利用FDConv，对YOLOv11中的C3k2模块进行优化，提出C3k2-FDCN，结构如图3所示. 具体而言，将瓶颈块内的普通卷积替换为FDConv，构建FD-Bottleneck 模块. 将该优化策略拓展至C3模块，使用FD-Bottleneck替换原始Bottleneck结构，形成C3-FDCN模块. 将C3-FDCN嵌入C3k2架构，构建更高效的特征提取模块C3k2-FDCN.

图 3

图 3 C3k2-FDCN的结构图

Fig.3 Structure diagram of C3k2-FDCN

由于航拍图像中的小目标信息主要存在于浅层特征图，将骨干网络中前2个C3k2替换为C3k2-FDCN，以突出小目标的特征信息.

1.2. 网络结构的改进

针对YOLOv11在跨尺度特征信息交互中的局限性，提出改进的多尺度特征融合网络架构. 原模型输出20×20、40×40、80×80 3种尺寸特征图，利用多尺度融合机制，虽然能够捕获上下文信息，但在不同层次特征的精细化融合方面存在优化空间.

为了提升特征融合能力与小目标检测性能，对特征金字塔结构进行优化，结构如图4所示. 在 P3、P4、P5阶段引入维度感知选择性集成模块（dimension aware selective integration, DASI），对特征进行聚合，通过卷积调整通道维度后生成40×40的中间特征图. 经2次上采样操作后，对P2、P3、P4阶段特征图实施二次DASI模块处理，以强化全局上下文信息交互. 通过2次下采样输出40×40、80×80、160×160 3种分辨率的特征图，其中新增的160×160高分辨率特征图专门针对航拍场景中的小目标检测任务.

图 4

图 4 改进的网络结构

Fig.4 Improved network structure

DASI模块源自HCF-Net^[11]架构，该模块的结构如图5所示. 通过通道分组与动态权重机制平衡传统融合中细节与上下文的矛盾，流程如下：先统一高低层特征通道、匹配尺寸并分组；再通过Sigmoid生成空间权重，动态融合对应子组；最后拼接融合结果，并进行后续处理后输出.

图 5

图 5 维度感知选择性集成模块

Fig.5 Dimension aware selective integration module

相较于原始YOLOv11，改进网络移除低分辨率特征图，新增160×160高分辨率特征图. 结合DASI模块提升跨尺度特征的交互效率，有效降低航拍小目标的漏检、误检率，优化复杂场景的目标检测特征表示.

1.3. LoG-Stem

航拍图像常因噪声导致边缘模糊，而深度网络的特征提取器对边缘的感知能力不足. LoG-Stem作为LEGNet^[12]的起始模块，具有LoG噪声抑制和边缘增强的双重能力，在网络早期强化边缘特征，本文用LoG-Stem替换 YOLOv11 起始的2个卷积层，为后续检测奠定基础.

LoG-Stem的结构如图6所示，总体流程如下. 对于输入图像 I∈R^H×W×3，通过7×7卷积提取初始特征. 对初始特征应用LoG滤波器增强边缘，先通过高斯核平滑抑制噪声，再用拉普拉斯算子突出边缘信息，弥补深度网络对边缘信息的感知缺陷.

图 6

图 6 拉普拉斯高斯输入预处理模块

Fig.6 Laplacian of Gaussian input preprocessing module

LoG核的定义为

(1)$ {\mathrm{LoG}}_{\sigma }^{k\times k}\left({\boldsymbol{X}}\right)=\frac{1}{{\text{π}} {\sigma }^{4}}\left(1-\frac{{i}^{2}+{j}^{2}}{{\sigma }^{2}}\right){\text{exp}}\left({-\frac{{i}^{2}+{j}^{2}}{2{\sigma }^{2}}}\right) . $

高斯核为

(2)$ G_{\sigma }^{k\times k}\left(\boldsymbol{X}\right)=\frac{1}{2{\text{π}} {\sigma }^{2}}{\text{exp}}\left({-\frac{{i}^{2}+{j}^{2}}{2{\sigma }^{2}}}\right) . $

式中：k = 7，σ = 1.0.

LoG滤波的输出经激活和归一化，与初始7×7卷积结果通过残差连接（Add）融合，可得

(3)$ {{\boldsymbol{F}}}_{{\mathrm{LoG}}}=\text{Norm}\left({\boldsymbol{I}}\text{+AN}\left({\mathrm{LoG}}_{\text{7}\times \text{7}}^{\text{1.0}}\left(\text{Conv}_{\text{7}\times \text{7}}^{\text{2D}}\left(\boldsymbol{I}\right)\right)\right)\right) . $

残差设计保留了原始图像的细节信息，避免LoG滤波过度抑制背景，同时稳定梯度反向传播.

之后，F_LoG会传入2个3×3卷积层，其中第2个卷积层采用步长2进行下采样，过程可以表示为

(4)$ {{\boldsymbol{F}}}_{1}=\text{Conv}_{\text{3}\times \text{3}}^{\text{2D}}\left(\text{Conv}_{\text{3}\times \text{3}}^{\text{2D}}\left({{\boldsymbol{F}}}_{{{{\mathrm{LoG}}}}}\right)\right) . $

该步骤将特征图的空间尺寸缩小至(H/2)×(W/2).

F₁会经过2个核大小分别为9×9和5×5，且σ = 0.5的高斯滤波器${G}_{0.5}^{9\times 9} $、${G}_{0.5}^{5\times 5} $. 首个处理过程为残差连接，经过归一化和第2个滤波器处理后，传入双感受野下采样（DRFD）模块，最终得到分辨率为原始图像1/4的特征图F_LoG-Stem，具体过程为

(5)$ {{\boldsymbol{F}}}_{{\text{LoG-Stem}}}=\text{DRFD}\left({G}_{0.5}^{5\times 5}\left(\text{Norm}\left({G}_{0.5}^{9\times 9}\left({{\boldsymbol{F}}}_{1}\right)+{{\boldsymbol{F}}}_{1}\right)\right)\right) . $

总体而言，LoG-Stem以LoG为核心增强边缘，残差结构保留细节，多尺度处理覆盖目标变化. 本文将LoG-Stem用在改进网络的起始阶段，输出鲁棒的多尺度边缘特征给后续的检测模块.

1.4. SDFM

针对YOLOv11中骨干网络下采样导致小目标特征衰减的问题，在检测头前嵌入浅层细节融合模块（superficial detail fusion module, SDFM）^[13]，实现深浅层特征自适应加权融合，以充分利用浅层细节语义信息. SDFM 的核心是通过通道与空间注意力联合建模，动态调整融合权重，兼顾浅层细节与深层高级语义表达，结构如图7 所示.

图 7

图 7 浅层细节融合模块

Fig.7 Superficial detail fusion module

该模块输入浅层特征F_ir与深层特征F_vi，先通过卷积统一通道维度实现跨层级模态对齐，再将对齐特征在通道维度拼接，构建多尺度特征融合空间. 通道注意力分支对拼接特征进行全局平均池化，提取全局信息，经逐点卷积生成通道注意力权重W_ci，衡量各通道对目标检测的重要性. 空间注意力分支直接对拼接特征卷积生成空间注意力权重W_si，聚焦目标区域. 2类权重逐元素相乘并经Sigmoid激活，得到自适应融合权重W_i，实现通道与空间的双重加权. 随后用W_i与1−W_i分别加权浅、深层特征，动态分配各层次的特征贡献度，再与原始输入特征残差连接，保留原始信息并增强特征表达.

SDFM有效解决了下采样中小目标特征衰减的问题. 通过通道注意力强化小目标细节关键通道，借助空间注意力定位目标区域，避免深层语义信息淹没浅层细节，提升复杂场景的目标检测精度.

1.5. 基于依赖图的结构剪枝

上述改进虽然提升了目标检测精度，但增加了计算量，不利于轻量化需求. 为了加速模型推理，引入基于依赖图（DepGraph）的结构剪枝^[14]，对模型进行压缩优化. 剪枝执行流程如图8所示，核心是网络分解与依赖建模，详细过程见图9，具体步骤如下.

图 8

图 8 依赖剪枝执行框图

Fig.8 DepGraph pruning execution diagram

图 9

图 9 依赖剪枝过程

Fig.9 DepGraph pruning process

1）网络分解. 传统层级建模难以捕捉复杂依赖，DepGraph将网络分解为输入输出组件对(${\boldsymbol{f}}_i^ - ,{\boldsymbol{f}}_i^ + $)，各组件对应层的输入或输出特征（如Conv层${\boldsymbol{f}}_i^ - $为输入通道、${\boldsymbol{f}}_i^ + $为输出通道，BN层${\boldsymbol{f}}_i^ - ={\boldsymbol{f}}_i^ + $），将依赖关系细化到特征维度，解决同层不同维度的差异问题.

2）依赖建模. 整合层间与层内依赖形成对称矩阵D，确保连通路径上的组件统一分组. 层间依赖指${\boldsymbol{f}}_i^ + $直接连接${\boldsymbol{f}}_j^ - $时两者须同步剪枝（如残差块中的Conv1输出与Conv2输入）；层内依赖指组件输入输出剪枝维度相同时须同步剪枝（如BN层），Conv层因维度不同，无层内依赖.

3）参数分组. 构建依赖图后，通过广度优先搜索寻找最大连通分量，生成剪枝组g. 如在残差块中，Conv1的输出通道（${\boldsymbol{f}}_1^ + $）连接到BN1的输入（${\boldsymbol{f}}_2^ - $），BN1的输出（${\boldsymbol{f}}_2^ + $）连接到ReLU的输入（${\boldsymbol{f}}_3^ - $），依此类推，最终形成包含 Conv1、BN1、ReLU、Conv2、BN2 的连通组. 采用这种分组策略，能够自动捕获残差依赖.

4）稀疏训练与组级剪枝. 针对跨层依赖场景下传统单图层准则的不足，依赖图采用组级稀疏训练. 对参数组g的第k个可剪枝维度，定义正则化项：$R\left( {{\boldsymbol{g}},k} \right) = \displaystyle \sum\nolimits_{{{{\boldsymbol{w}}}} \in {\boldsymbol{g}}} {{\gamma _k}\left\| {{\boldsymbol{w}}\left[ k \right]} \right\|} _2^2 $. 其中， γ_k由指数策略动态调整，强化组内参数重要性的一致性. 训练后，通过相对分数 I_g,k 识别不重要的组，实现安全剪枝，避免了人工设计的复杂性.

5）微调训练：剪枝后须以小学习率微调，优化保留参数组权重，修复精度损耗，确保轻量化结构下的检测精度趋近剪枝前的水平.

2. 实验分析

2.1. 实验数据集、实验环境与参数设置

采用VisDrone2019数据集，该数据集包含从不同城市环境采集的6471张训练图像、548张验证图像. 数据集涵盖了城市交通中多种典型的无人机监控场景，包含行人、汽车和卡车等10个目标类别，体现了无人机视角下复杂场景的小目标密集特性.

实验平台配置如下. 操作系统采用Windows 11，编程语言为Python 3.8，深度学习框架选用Pytorch2.0，配套计算加速库为CUDA 11.8及cuDnn 8.9.5.30. 在硬件方面，处理器为Intel (R) Core (TM) i9-13900HX，图形处理器为NVIDIA GeForce RTX4090，内存容量为32 GB，显存容量为24 GB.

在模型训练过程中，采用的关键参数设置如下：输入图像的尺寸设定为640×640 像素，批处理大小（batch size）设为 8，初始学习率配置为0.01，数据加载线程数为8，使用随机梯度下降优化器.

2.2. 评价指标

为了系统验证改进算法的综合性能，选取以下评价指标进行量化分析：准确率P、召回率R、F₁分数、平均精度均值mAP、参数量N_p、模型体积S_m、计算复杂度FLOPs及推理帧率v. 相关公式如下：

(6)$ P=\frac{\text{TP}}{\text{TP+FP}} , $

(7)$ R=\frac{\text{TP}}{\text{TP+FN}} , $

(8)$ \text{mAP}=\frac{1}{N}\sum \limits_{i=1}^{N}\int \nolimits_{0}^{1}P\left(R\right){\mathrm{d}}R . $

式中：TP表示实际为正样本且预测为正样本的数量，FP表示实际为负样本但预测为正样本的数量，FN表示实际为正样本但预测为负样本的数量.

2.3. 实验结果与分析

2.3.1. 消融实验

YOLOv11提供了5种不同尺寸的模型，分别为 n、s、m、l、x. 每种尺寸在VisDrone2019数据集上的核心评价指标如表1所示，s模型在检测精度和检测效率之间拥有良好的平衡能力，因此选择s模型作为研究的基线模型.

表 1 不同YOLOv11模型的表现结果

Tab.1 Performance result of different YOLOv11 models

模型	P/%	R/%	mAP50/%	mAP50-95/%	N_p/10⁶	FLOPs/10⁹	v/(帧·s⁻¹)
n	42.7	32.7	32.3	10.7	2.6	6.3	153
s	49.7	37.5	38.6	23.1	9.4	21.3	148
m	54.8	42.0	43.8	26.8	20.0	67.7	90
l	54.5	42.6	44.0	27.1	25.3	86.6	80
x	56.7	44.8	46.1	28.8	56.8	194.5	56

为了验证FDL‑YOLO各模块的有效性，设计如表2所示的消融实验方案，得到如表3所示的实验结果. 其中，方法①~④为添加单一改进模块的对照实验，方法⑤~⑧为多策略协同，最终通过方法⑧集成多种优化策略构建FDL‑YOLOs模型，实现检测性能的最大提升.

表 2 消融实验的配置

Tab.2 Configuration of ablation experiment

方法	C3k2-FDCN	Net Improve	Log-Stem	SDFM	Prune
YOLOv11s	—	—	—	—	—
方法①	√	—	—	—	—
方法②	—	√	—	—	—
方法③	—	—	√	—	—
方法④	—	—	—	√	—
方法⑤	√	√	—	—	—
方法⑥	√	√	√	—	—
方法⑦	√	√	√	√	—
方法⑧	√	√	√	√	√

表 3 消融实验结果

Tab.3 Result of ablation experiment

方法	P/%	R/%	mAP50/%	mAP75/%	mAP50-95/%	N_p/10⁶	F₁	FLOPs/10⁹	S_m/MB	v/(帧·s⁻¹)
YOLOv11s	49.7	37.5	38.6	23.6	23.1	9.4	42.2	21.3	18.3	148
方法①	50.2	39.1	39.5	24.2	23.8	9.5	43.0	21.2	18.4	146
方法②	53.3	41.6	43.1	27.0	26.3	7.7	46.2	31.9	15.5	149
方法③	50.1	39.0	39.8	24.8	24.1	9.4	43.6	30.2	18.5	144
方法④	52.4	39.5	40.7	25.1	24.5	12.1	44.5	30.8	23.6	159
方法⑤	54.8	41.2	44.1	27.8	27.0	7.9	46.5	34.5	15.0	141
方法⑥	54.5	43.7	45.5	28.9	28.0	7.9	48.0	37.9	15.5	123
方法⑦	56.1	44.9	47.0	29.8	28.9	8.3	49.8	44.9	16.3	106
方法⑧	55.6	45.7	47.2	30.0	29.1	2.9	49.8	28.9	12.0	122

从表3可知，与基线YOLOv11s相比，引入C3k2-FDCN、Net Improve、LoG-Stem 和SDFM模块后，mAP50指标分别提升0.9%、4.5%、1.2% 和2.1%，mAP50-90指标对应提升0.7%、3.2%、1.0%和1.4%. 上述结果表明，各改进模块对航拍图像的小目标检测性能均有正向增益，其中网络结构改进对算法检测精度的提升效果最显著. 方法⑦集成4个改进模块后，推理帧率降至106 帧/s且计算量有所提高. 方法⑧通过基于依赖图的结构剪枝进行优化，得到最终模型. 与YOLOv11s相比，准确率提升5.9%，召回率提升8.2%，mAP50提升了8.6%，达到47.2%，mAP50-95提升6.0%，参数量下降了70%，模型体积缩减了33.3%. 尽管计算量有所增加且帧率略有下降，但改进算法的性能能够满足航拍场景实时监测的需求. 对YOLOv11s施加各项改进后的检测精度提升趋势如图10所示，验证了各策略的有效性. 其中，N_i为迭代次数.

图 10

图 10 各个模块的精度提升

Fig.10 Improvement in accuracy of each module

2.3.2. 不同剪枝比例的对比试验

为了探究剪枝率对FDL-YOLOs模型性能的影响，通过加速比（speed_up）参数设计不同剪枝比例的实验. 每次剪枝后，采用微调训练补偿性能损失，从检测精度与轻量化指标来分析剪枝的规律.

从表4可知，在35%的剪枝比例下，模型的mAP50保持为47.2%，参数量降至2.9×10⁶. 当剪枝比例提升至40%时，mAP50 降至46.7%，说明更高比例的剪枝导致部分特征通道被误剪，精度下降.

表 4 模型剪枝比例的对比

Tab.4 Comparison of model pruning ratio

剪枝比例/%	P/%	R/%	mAP50/%	mAP50-95/%	N_p/10⁶	FLOPs/10⁹	S_m/MB	v/(帧·s⁻¹)
0	56.1	44.9	47.0	28.9	8.3	44.9	16.3	106
30	55.0	46.4	47.4	29.3	3.2	31.2	13.0	120
35	55.6	45.7	47.2	29.1	2.9	28.9	12.0	122
40	55.5	44.5	46.7	28.7	2.7	26.7	11.1	123
45	55.2	44.0	46.1	28.3	2.5	24.5	10.2	130
50	54.8	43.8	45.8	28.0	2.3	22.3	9.4	133
55	55.3	42.5	45.3	27.8	2.2	21.1	9.1	137

若仅以轻量化为单一目标，高剪枝比例虽然可实现极致压缩，但会导致检测精度的衰减. 当剪枝比例为35%时，模型在检测精度保留与轻量化之间达到最优平衡：mAP50 为47.2%，mAP50-95维持29.1%，参数量、FLOPs、模型体积较剪枝前分别缩减了65%、35%、27%，推理帧率提升至122帧/s.

2.3.3. 各个类别的精度对比

为了验证改进剪枝后FDL-YOLOs算法在各类别检测中的优势，在VisDrone2019数据集上，与主流及其他改进算法开展对比实验. 评价体系采用10个类别及总体mAP50，结果如表5所示.

表 5 各个类别的精度对比

Tab.5 Comparison of accuracy among various categories

模型	mAP50/%
模型	Pedestrian	People	Bicycle	Motor	Tricycle	Awning-tri	Truck	Car	Bus	Van	总体值
SSD	18.7	9.0	5.0	19.1	11.7	15.5	33.1	63.2	47.2	30.0	25.3
Faster R-CNN	20.9	14.8	7.3	21.2	14.0	8.8	19.5	51.0	30.5	29.7	21.8
CenterNet	22.6	20.6	14.6	23.7	20.1	17.4	21.3	59.7	37.9	24.0	26.2
YOLOv5s	39.2	31.4	10.6	38.4	18.2	9.8	26.2	72.6	39.9	33.7	32.0
YOLOv6s	37.2	29.8	8.9	39.6	23.6	14.8	32.5	78.1	51.2	42.6	35.8
YOLOv8s	42.2	31.6	12.0	43.3	26.4	14.6	36.0	79.2	56.8	43.7	38.6
YOLOv9s	38.4	32.8	10.3	42.2	26.9	15.0	34.3	78.0	51.5	43.2	37.3
YOLOv10s	43.1	34.0	14.1	45.0	27.4	15.3	35.2	79.9	55.1	44.7	39.4
YOLOv11s	42.4	31.8	11.8	43.3	26.6	14.7	35.3	79.4	56.3	44.9	38.7
YOLOv12s	41.0	30.6	11.3	42.5	25.6	14.2	33.4	78.7	55.6	43.2	37.6
YOLOv13s	40.6	31.0	11.7	41.1	26.7	13.9	33.5	78.6	50.2	43.5	37.1
Hyper-YOLOs	43.0	32.8	13.2	43.9	29.2	15.1	36.7	79.5	61.0	44.1	39.8
RT-DETR-r18	51.1	44.2	17.5	55.5	29.2	17.1	33.5	84.7	56.6	49.0	43.8
DMF-YOLO^[15]	54.5	43.7	18.3	53.5	33.4	19.3	40.8	85.7	61.3	51.5	46.2
HSF-YOLO^[16]	53.5	42.0	17.7	53.2	33.1	17.7	36.7	84.3	61.2	49.0	44.8
YOLO-GAIS^[17]	48.5	55.4	23.8	52.5	38.7	24.4	35.4	77.9	49.4	39.2	43.2
FDL-YOLOs	55.3	45.5	20.3	55.0	34.4	20.7	41.4	85.5	61.9	52.3	47.2

FDL-YOLOs在多个类别上的表现优异，尤其是Pedestrian与People 2类小目标，mAP50分别达到55.3%和45.5%，较基准YOLOv11s提升了12.9%和13.7%，优于DMF-YOLO和HSF-YOLO改进算法. 这表明传统及部分改进算法存在跨层级通道信息交互薄弱、特征图设计针对性不足的问题，导致细粒度特征流失. FDL-YOLOs通过DASI模块优化网络，实现上下文信息高效交互，有效保留小目标关键特征. 改进算法兼顾大尺寸目标检测，Van与Truck类别的mAP50分别达到52.3%和41.4%，较YOLOv11s提升了7.4%和6.1%，表现最优.

总体而言，FDL-YOLOs总体的mAP50达到47.2%，优于基线模型及其他改进方案，验证了该算法的小目标检测能力显著提升，性能增益源于特征提取与多尺度融合策略的协同优化，为航拍图像目标检测提供了高效、可靠的方案.

2.3.4. 检测性能的对比试验

为了验证FDL-YOLOs的性能优势，在VisDrone2019数据集上与主流YOLO系列及其他改进算法进行对比，对n、s模型与对比方法开展综合评估，结果见表6.

表 6 不同算法的检测性能对比

Tab.6 Comparison of detection performance of different algorithms

模型	P/%	R/%	mAP50/%	mAP50- 95/%	N_p/ 10⁶	FLOPs/ 10⁹
YOLOv8n	42.9	32.9	32.8	19.0	3.0	8.1
YOLOv8s	49.6	38.1	38.6	23.1	11.1	28.5
YOLOv8m	53.3	41.6	42.7	26.0	25.8	78.7
YOLOv10n	43.8	33.3	33.2	19.0	2.3	6.5
YOLOv10s	49.9	39.0	39.4	23.3	7.2	21.4
YOLOv10m	53.6	41.6	42.9	25.9	15.3	58.9
YOLOv11n	42.7	32.7	32.3	10.7	2.6	6.3
YOLOv11s	49.7	37.5	38.6	23.1	9.4	21.3
YOLOv11m	54.8	42.0	43.8	26.8	20.0	67.7
YOLOv12n	41.8	32.4	31.6	18.1	25.1	5.8
YOLOv12s	49.5	36.5	37.6	22.5	9.1	19.3
YOLOv12m	53.2	40.7	42.2	25.7	19.6	59.5
YOLOv13n	42.9	31.5	31.4	18.1	2.4	6.1
YOLOv13s	47.6	37.2	37.1	22.1	9.0	20.1
YOLOv13l	53.6	41.9	42.5	25.8	26.9	84.4
Hyper-YOLOn	44.8	35.1	35.0	20.6	3.6	9.5
Hyper-YOLOs	51.2	38.9	39.8	24.0	13.5	33.8
Hyper-YOLOm	53.7	41.5	42.5	26.0	30.7	91.8
RT-DETR-r18	58.5	41.5	43.8	26.6	19.8	57.0
RT-DETR-r34	61.5	45.5	47.2	29.0	31.1	88.8
AAPW-YOLOn^[18]	49.9	37.3	38.6	22.4	2.1	11.7
PC-YOLOn^[19]	46.8	35.4	36.1	21.5	1.9	—
YOLO-S3DTn^[20]	47.4	37.9	37.9	21.1	2.9	11.0
Eagle-YOLOs^[21]	53.6	43.3	42.9	25.0	16.6	—
PARE-YOLOs^[22]	60.6	45.4	46.3	28.4	—	—
RPS-YOLO^[2]	55.3	44.3	46.3	28.1	13.3	37.7
FDL-YOLOn	49.2	39.3	39.9	24.1	1.1	10.2
FDL-YOLOs	55.6	45.7	47.2	29.1	2.9	28.9

FDL-YOLOs的mAP50由YOLOv11s的38.6%提升至47.2%，mAP95由23.1%提升至29.1%，分别提高了8.6%与6.0%. 各模块的改进与剪枝策略显著增强了模型的特征提取、目标定位与背景抑制能力. 经剪枝后，FDL-YOLOs算法的参数量仅为2.9×10⁶，较YOLOv11s减少了70%；FDL-YOLOn算法的参数量仅为1.1×10⁶，mAP50仍达39.9%.

与其他改进模型相比，FDL-YOLO算法展现出显著的竞争优势，综合检测性能表现突出. n模型中，FDL-YOLOn在mAP50达到39.9%的同时，参数量与计算量最低，较PC-YOLOn、YOLO-S3DTn分别增大了3.8%、2.0%. s模型中，PARE-YOLOs的精度为60.6%，RPS-YOLOs的参数量与计算量偏高，不利于部署；FDL-YOLOs在精度与效率间实现更好的平衡，在航拍目标检测中的优势明显.

2.3.5. SIMD数据集的对比

为了验证FDL-YOLOs模型的适用性，选取SIMD数据集进行泛化性能的测试. SIMD数据集面向遥感图像小目标检测，涵盖汽车、卡车和货车等15个目标类别，总计5 000张图像，其中4 000张用于训练，1 000张用于验证，小目标占比较高. 选取其他YOLO系列算法，与本文方法进行对比，结果如表7所示.

表 7 不同模型在SIMD数据集上的性能指标对比

Tab.7 Comparison of performance metrics of different models on SIMD dataset

模型	P/%	R/%	mAP50/%	mAP50-95/%
YOLOv8s	78.6	80.9	82.4	66.7
YOLOv10s	75.6	80.5	82.7	66.3
YOLOv11s	76.1	81.0	82.8	66.9
YOLOv12s	75.2	81.7	82.6	66.3
FDL-YOLOs	79.3	81.6	83.7	67.3

从表7可知，FDL-YOLOs模型在SIMD数据集上展现出更优的检测性能，P、mAP50和mAP50-95均表现最佳，检测精度较YOLOv11s和YOLOv12s分别提升了0.9%和1.1%，优化的特征提取模块和网络结构对小目标的检测精度更具稳定性. 本文与其他YOLO系列算法在SIMD数据集上的mAP50和mAP50-95对比如图11所示. 可以看出，本文算法的检测精度较基线算法有小幅度提升.

图 11

图 11 SIMD数据集的精度对比

Fig.11 Comparison of accuracy of SIMD dataset

2.3.6. TinyPerson数据集的对比

为了验证本文算法在小目标检测性能上的提升，选择TinyPerson数据集进行验证. TinyPerson数据集是针对小目标人群检测的专用数据集，图像分辨率跨度大且目标尺寸极小，分为陆地行人和水中行人2类，使用1 224张图像用于训练和152张图像用于验证. 选取其他YOLO系列算法进行对比，结果如表8所示.

表 8 TinyPerson数据集结果的对比

Tab.8 Comparison of TinyPerson dataset result

模型	P/%	R/%	mAP50/%	mAP50-95/%
YOLOv8s	41.8	28.7	25.9	8.2
YOLOv10s	39.3	27.9	24.2	7.7
YOLOv11s	44.3	27.9	26.0	8.3
YOLOv12s	43.4	27.4	25.4	8.1
FDL-YOLOs	46.5	34.2	29.8	9.5

从表8可知，相较于在SIMD数据集上的表现，FDL-YOLOs在TinyPerson数据集上的检测精度有较明显的提升. 与YOLOv11s、YOLOv12s相比，mAP50分别提升了3.8%和4.4%，mAP50-95分别提升了1.2%和1.4%. 因为FDL-YOLOs算法对特征图大小进行了优化，该算法更加适用于小目标场景. 在TinyPerson数据集上的mAP50和mAP50-95的对比如图12所示.

图 12

图 12 TinyPerson数据集的精度对比

Fig.12 Comparison of accuracy of TinyPerson dataset

2.3.7. 热力图对比

为了体现FDL-YOLOs对特征感知的优化，设计热力图对比实验. 选取小目标重叠、遮挡目标和夜间的典型场景，通过Grad-CAM算法生成热力图，结果如图13所示. 其中，左侧为YOLOv11s，右侧为FDL-YOLOs，差异区域用曲线标出. YOLOv11s的热力图对小目标边缘、遮挡衔接处的特征响应强度不足，面对多尺度目标存在轮廓刻画不完整的问题. FDL-YOLOs集成的频率动态卷积及浅层细节融合模块有效强化了多尺度信息的融合，热力图更能够精准覆盖待检测区域.

图 13

图 13 热力图结果的对比

Fig.13 Comparison of heat map result

在小目标重叠场景中，YOLOv11s存在大量的漏检情况，利用FDL-YOLOs输出的特征热力图可以精准地聚焦目标有效区域. 在遮挡目标场景和夜间场景下，FDL-YOLOs检测能力的优化更显著，在很大程度上提升了对遮挡目标和模糊目标的识别能力.

2.3.8. 检测结果对比

为了评估FDL-YOLOs算法在航拍图像目标检测任务中的性能提升效果，选取目标密集、光线暗淡、大小目标共存、背景复杂4类复杂场景进行对比. 如表9所示为各场景下检测数量N_d的对比. 如图14所示为检测结果的对比，左侧为YOLOv11s，右侧为FDL-YOLOs.

表 9 改进算法在不同场景下的检测数量对比

Tab.9 Comparison of detection quantity of improved algorithm under different scenario

场景	N_d
场景	YOLOv11s	FDL-YOLOs
目标密集	241	300
光线暗淡	48	61
大小目标	44	69
背景复杂	46	102

图 14

图 14 改进算法的检测结果对比

Fig.14 Comparison of detection result of improved algorithm

在目标密集场景中，小目标因相互遮挡、尺度微小易发生漏检，FDL-YOLOs通过浅层特征图优化策略增强小目标感知能力，检测目标数达到300，较YOLOv11s多识别59个遗漏目标. 在光线暗淡场景下，光照不足导致目标模糊，FDL-YOLOs通过改进特征融合机制提升模型抗干扰能力，检测数为61，较 YOLOv11s增加13个目标，体现了在低照度场景下的抗干扰优势. 在大小目标共存场景中，FDL-YOLOs所使用的频率动态卷积模块有效强化了细粒度特征提取. 改进算法较YOLOv11s多检测出25个目标，远端小尺度车辆与近端大尺度车辆均被有效识别. 在背景复杂场景中，FDL-YOLOs采用跨层交互的深层特征融合方法，维持特征表达的稳定性. 与YOLOv11s相比，改进算法在各个场景下的目标检测数量大幅提升，验证了特征融合策略的有效性.

实验表明，FDL-YOLOs通过边缘强化结构、频率动态卷积与特征融合方式的协同优化，显著提升了细节信息捕获能力与复杂环境抗干扰性能.

3. 结　语

针对无人机航拍小目标像素占比低、密集遮挡、多尺度融合难及轻量化与精度平衡等挑战，提出FDL-YOLO多尺度特征聚合检测算法，通过优化YOLOv11s提升检测性能.

C3k2-FDCN模块利用频率动态卷积，增强了对小目标细节信息的捕获能力. DASI模块重构特征金字塔并新增高分辨率特征图，实现深浅层特征融合. LoG-Stem层强化初始边缘特征. SDFM通过双重注意力，减少小目标特征衰减. 结构剪枝技术在保留关键通道的同时，压缩模型体积.

综上，FDL-YOLO通过特征提取、融合策略及轻量化优化，为航拍小目标检测提供高效方案. 未来将聚焦极端尺度差异场景，以提升鲁棒性.

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

BAE M H, PARK S W, PARK J, et al

YOLO-RACE: reassembly and convolutional block attention for enhanced dense object detection

[J]. Pattern Analysis and Applications, 2025, 28 (2): 90

DOI:10.1007/s10044-025-01471-4 [本文引用: 1]

[2]

LEI P, WANG C, LIU P

RPS-YOLO: a recursive pyramid structure-based YOLO network for small object detection in unmanned aerial vehicle scenarios

[J]. Applied Sciences, 2025, 15 (4): 2039

DOI:10.3390/app15042039 [本文引用: 2]

[3]

张志豪, 厉小润, 陈淑涵

基于改进YOLO11的无人机航拍图像小目标检测算法

[J]. 液晶与显示, 2025, 40 (6): 915- 930

ZHANG Zhihao, LI Xiaorun, CHEN Shuhan

Small object detection algorithm in UAV aerial images based on improved YOLO11

[J]. Chinese Journal of Liquid Crystals and Displays, 2025, 40 (6): 915- 930

[4]

BI J, LI K, ZHENG X, et al

SPDC-YOLO: an efficient small target detection network based on improved YOLOv8 for drone aerial image

[J]. Remote Sensing, 2025, 17 (4): 685

DOI:10.3390/rs17040685 [本文引用: 1]

[5]

WANG Q, YE G, CHEN Q, et al

A UAV perspective based lightweight target detection and tracking algorithm for intelligent transportation

[J]. Complex and Intelligent Systems, 2025, 11 (1): 73

DOI:10.1007/s40747-024-01687-7 [本文引用: 1]

[6]

童庆洪, 谌海云, 袁杰敏

低光照增强和自适应特征融合的小目标检测算法

[J]. 激光与光电子学进展, 2025, 62 (20): 2028008

DOI:10.3788/LOP250914 [本文引用: 1]

TONG Qinghong, CHEN Haiyun, YUAN Jiemin

Small object detection algorithm based on low-light enhancement and adaptive feature fusion

[J]. Laser and Optoelectronics Progress, 2025, 62 (20): 2028008

DOI:10.3788/LOP250914 [本文引用: 1]

[7]

MA F, ZHANG R, ZHU B, et al

A lightweight UAV target detection algorithm based on improved YOLOv8s model

[J]. Scientific Reports, 2025, 15 (1): 15352

DOI:10.1038/s41598-025-00341-7 [本文引用: 1]

[8]

HAO X, LI T

Lightweight small target detection algorithm based on YOLOv8 network improvement

[J]. IEEE Access, 2025, 13: 14051- 14062

DOI:10.1109/ACCESS.2025.3529835 [本文引用: 1]

[9]

MA P, FEI H, JIA D, et al

YOLOFLY: a consumer-centric framework for efficient object detection in UAV imagery

[J]. Electronics, 2025, 14 (3): 498

DOI:10.3390/electronics14030498 [本文引用: 1]

[10]

CHEN L, GU L, LI L, et al. Frequency dynamic convolution for dense image prediction [C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. Nashville: IEEE, 2025: 30178–30188.

[11]

XU S, ZHENG S, XU W, et al. HCF-net: hierarchical context fusion network for infrared small object detection [C]//Proceedings of the IEEE International Conference on Multimedia and Expo. Niagara Falls: IEEE, 2024: 1–6.

[12]

LU W, CHEN S B, LI H D, et al. LEGNet: a lightweight edge-Gaussian network for low-quality remote sensing image object detection [EB/OL]. [2026-04-13]. https://arxiv.org/abs/2503.14012.

DOI:10.1016/j.inffus.2023.101870 [本文引用: 1]

[13]

TANG L, ZHANG H, XU H, et al

Rethinking the necessity of image fusion in high-level vision tasks: a practical infrared and visible image fusion network based on progressive semantic injection and scene fidelity

[J]. Information Fusion, 2023, 99: 101870

[14]

FANG G, MA X, SONG M, et al. DepGraph: towards any structural pruning [C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. Vancouver: IEEE, 2023: 16091–16101.

DOI:10.3778/j.issn.1002-8331.2502-0223 [本文引用: 1]

[15]

贺智轩, 陈里里, 王翔, 等

DMF-YOLOv11: 基于改进YOLOv11n的无人机航拍图像目标检测算法

[J]. 计算机工程与应用, 2025, 61 (14): 88- 100

HE Zhixuan, CHEN Lili, WANG Xiang, et al

DMF-YOLOv11: target detection algorithm for UAV images based on improved YOLOv11n

[J]. Computer Engineering and Applications, 2025, 61 (14): 88- 100

DOI:10.3778/j.issn.1002-8331.2502-0223 [本文引用: 1]

[16]

张轩宇, 周思航, 黄健, 等

基于高阶空间特征提取的无人机航拍小目标检测算法

[J]. 计算机工程与应用, 2025, 61 (12): 210- 221

DOI:10.3778/j.issn.1002-8331.2407-0230 [本文引用: 1]

ZHANG Xuanyu, ZHOU Sihang, HUANG Jian, et al

High-order spatial feature extraction based small target detection for UAV aerial photographs

[J]. Computer Engineering and Applications, 2025, 61 (12): 210- 221

DOI:10.3778/j.issn.1002-8331.2407-0230 [本文引用: 1]

[17]

李凯璇, 刘晓锋, 陈强, 等

YOLOv8-GAIS: 一种改进的无人机航拍目标检测算法

[J]. 光电工程, 2025, 52 (4): 75- 88

LI Kaixuan, LIU Xiaofeng, CHEN Qiang, et al

YOLOv8-GAIS: improved object detection algorithm for UAV aerial photography

[J]. Opto-Electronic Engineering, 2025, 52 (4): 75- 88

[18]

WU Y, MU X, SHI H, et al

An object detection model AAPW-YOLO for UAV remote sensing images based on adaptive convolution and reconstructed feature fusion

[J]. Scientific Reports, 2025, 15: 16214

DOI:10.1038/s41598-025-00239-4 [本文引用: 1]

[19]

WANG Z, SU Y, KANG F, et al

PC-YOLO11s: a lightweight and effective feature extraction method for small target image detection

[J]. Sensors, 2025, 25 (2): 348

DOI:10.3390/s25020348 [本文引用: 1]

[20]

GAO P, LI Z

YOLO-S3DT: a small target detection model for UAV images based on YOLOv8

[J]. Computers, Materials and Continua, 2025, 82 (3): 4555- 4572