《Remote Sensing》：A Parameter-Compact Network with Hierarchical Detail Enhancement and High-Resolution Multiscale Fusion for Small Object Detection in UAV Imagery
编辑推荐：
无人机（UAV）图像中的小目标检测仍具挑战性，其原因在于重复下采样削弱了精细结构线索，传统特征金字塔与以小目标为主的尺度分布匹配不佳，且固定检测头提供的适应性有限。为解决上述问题，研究人员提出了一种分层—双向—动态网络（HBD-Net），作为基于YOLOv11
无人机（UAV）图像中的小目标检测仍具挑战性，其原因在于重复下采样削弱了精细结构线索，传统特征金字塔与以小目标为主的尺度分布匹配不佳，且固定检测头提供的适应性有限。为解决上述问题，研究人员提出了一种分层—双向—动态网络（HBD-Net），作为基于YOLOv11s的参数紧凑型检测器。HEEM通过正交深度可分离条形卷积、残差细节提取与零初始化融合，在多个主干阶段强化边缘、轮廓与纹理信息。PLSS将传统P3–P5层级替换为P2–P4以强调高分辨率特征，同时P2-BiFPN引入双向传播与可学习加权融合。集成的Dynamic Head（DyHead）进一步在尺度、空间与任务维度上精炼特征。在VisDrone上，HBD-Net取得39.0% mAP50与22.6% mAP50–95，分别较YOLOv11s基线提升6.9与4.3个百分点，同时将参数量从9.4 M降至3.7 M。消融实验证实了各组成部分的互补效应。在HIT-UAV上，HBD-Net达到84.1% mAP50与57.0% mAP50–95，表明其在红外航空成像条件下的有效性。上述结果表明，协同的结构增强、高分辨率多尺度融合与自适应预测能够在紧凑的参数规模下提升无人机小目标检测性能。
研究背景方面，随着无人机（UAV）平台向小型化、低成本与智能自主方向快速发展，基于无人机的低空遥感已广泛部署于城市交通监控、公共安全预警、灾害应急响应与军事侦察等关键领域；其中小目标检测具有核心作用，是实时监测、多目标跟踪与态势感知的基础。然而无人机航空影像具有视场覆盖广、背景纹理复杂、俯视视角引起透视畸变以及目标尺度变化显著等固有特性，使小目标检测成为极具挑战性的任务。基于深度学习的目标检测器（如YOLO、Faster R-CNN、Deformable DETR）在COCO、ImageNet Detection等通用基准上表现优异，其中YOLO系列因检测精度与推理效率的良好平衡而被广泛采用，YOLOv11在保持高效检测架构的同时进一步改进了特征提取与多尺度表示，因而适合作为无人机应用的基线。但通用检测器主要面向自然图像设计，未充分适应以小而密集分布目标为主的航空场景，在目标尺度分布、视角与背景复杂度上的差异会导致其直接应用于无人机影像时性能显著下降。已有研究仍存在三个相互关联的局限：第一，小目标提供的视觉证据有限，重复下采样会削弱弱边界并降低前景与周围环境的空间区分度，因此结构增强不仅是额外的注意力操作，更是在后续特征聚合前维持有用局部信息的手段；第二，特征金字塔配置决定了空间细节与语义信息的表示与交换位置，传统P3–P5层级的最细预测层对极小目标的空间支撑可能不足，引入P2通路可提高空间分辨率但会增加计算开销，而移除粗层级虽可减轻参数负担却可能丢失有用上下文，因此设计问题在于如何选择并融合金字塔层级以平衡细节保留、语义表示与模型紧凑性；第三，可靠预测所需特征随目标尺度、空间位置与检测任务而变化，分类依赖判别性语义响应而定位需要精确空间信息，缺乏跨维度联合精炼的检测头可能无法充分利用多尺度特征。上述局限相互依赖：若后续融合通路不能保留主干细节增强则收益有限，而仅保留高分辨率特征也不足以保证有效的语义整合或自适应预测。因此本研究的目的是探究在紧凑参数预算下，协同结构增强、金字塔层级选择、多尺度融合与自适应预测能否提升无人机检测性能，并对参数量、算术复杂度与实测吞吐量分别评估，而非假定参数减少必然带来更快推理。为此，研究人员基于YOLOv11s开发了HBD-Net：引入HEEM公式以强化细尺度结构表示；PLSS选择P2–P4层级，基于BiFPN的颈部通过双向加权融合聚合所保留特征；随后DyHead在尺度、空间与任务维度上精炼融合表示。这些组件建立了从结构增强到多尺度聚合再到自适应预测的连通处理路径。主要贡献包括：（1）提出分层边缘增强模块（HEEM），通过基于条形的细节提取、零初始化残差融合与由粗到细的核调度，以可忽略的参数代价增强并重新加权小目标的边缘与纹理线索；（2）开发面向小目标的P2-BiFPN以改进多尺度特征聚合，引入高分辨率P2层级以保留精细空间信息，同时移除相关性较低的P5层级与冗余融合节点，结合双向特征传播与快速归一化加权融合，使颈部能够在精细空间细节与高层语义信息之间实现更有效交互；（3）将基于DyHead的自适应预测头引入无人机检测框架，尺度感知、空间感知与任务感知注意力机制共同增强检测器对剧烈尺度变化、稀疏前景分布、几何形变以及分类与回归不同特征需求的适应性。
研究人员开展的研究及结论与意义方面，研究人员在VisDrone与HIT-UAV两个公开无人机目标检测数据集上开展实验，VisDrone作为主要基准用于定量评估（含消融与对比实验），HIT-UAV用于评估高空红外热成像条件下的检测性能。消融实验分两阶段进行：第一阶段考察不同金字塔层级组合，第二阶段在固定金字塔配置后评估HEEM、P2-BiFPN与DyHead的单独及组合效果。结果表明：P2–P5配置取得最高召回率与mAP，但计算成本显著上升（GFLOPs由21.3增至28.6）；P2–P4配置相较原始P3–P5基线精确率与召回率分别提升1.6与2.8个百分点，mAP50提升3.0个百分点，mAP50–95提升1.8个百分点，同时参数量由9.4 M降至2.9 M（约减少69.1%），模型尺寸由18.3 MB降至5.9 MB；P2–P3配置资源需求最低但精度下降，说明P4保留了对检测有益的语义与上下文信息。最终采用P2–P4作为PLSS配置。组件消融显示：单独加入HEEM使mAP50与mAP50–95由35.1%与20.1%提升至36.6%与21.0%；P2-BiFPN提升至37.3%与21.5%；DyHead单独提升最大，达37.5%与21.6%；HEEM与DyHead组合取得最高召回率40.2%，P2-BiFPN与DyHead组合取得最佳成对精度38.8%与22.3%；完整配置取得最佳整体性能，精确率51.1%、召回率39.6%、mAP50 39.0%、mAP50–95 22.6%，较PLSS基线分别提升3.9与2.5个百分点，较原始YOLOv11s基线提升6.9与4.3个百分点。类别级分析表明HBD-Net在全部十个类别上均提升AP50与AP50–95，类别提升范围为AP50的3.9至9.9个百分点与AP50–95的2.9至5.5个百分点，其中People、Pedestrian与Motor的AP50提升最大，分别为9.9、9.4与8.7个百分点，Tricycle取得最大AP50–95提升（由9.1%增至14.6%）；Car的AP50最高（78.3%），Bicycle与People最低（AP50分别为15.0%与24.2%）。对比实验表明HBD-Net在表中所列结果中取得最高精确率、召回率、mAP50与mAP50–95；相较YOLOv11l，mAP50与mAP50–95分别提升2.3与1.0个百分点，参数量由25.3 M降至3.7 M（约减少85.4%），计算量由86.6降至39.2 GFLOPs；但参数量紧凑并不必然带来更低计算成本或更高吞吐量，HBD-Net需39.2 GFLOPs、144.9 FPS，而YOLOv11s为21.3 GFLOPs、390.8 FPS；相较复现的FBRT-YOLO-M，HBD-Net的mAP50与mAP50–95分别高出2.3与1.0个百分点，参数量少约63.4%、浮点运算少47.7%，但吞吐量较低（144.9 FPS对208.5 FPS）；相较复现的HSF-Net，mAP50与mAP50–95分别提升2.7与1.7个百分点，参数预算相近（3.7 M对3.6 M）。总体而言HBD-Net是面向精度、参数紧凑的配置，而非一致最小化计算成本或最大化吞吐量。跨数据集评估中，HBD-Net在HIT-UAV上取得最高召回率81.1%、mAP50 84.1%与mAP50–95 57.0%，较YOLOv11s召回率提升2.3个百分点、mAP50与mAP50–95分别提升0.4与0.9个百分点，参数量减少约60.6%；但其精确率83.4%较YOLOv11s低5.8个百分点，且计算成本为39.2 GFLOPs（YOLOv11s为21.3 GFLOPs），表明其在召回率、总体检测精度与参数效率之间取得有利平衡，而非在所有评价标准上均占优。定性可视化显示，在白天、夜间与红外场景中，YOLOv11s漏检的若干远距离小目标被HBD-Net成功检出，与定量结果一致。重要意义在于：将计算与表示能力向高分辨率特征倾斜，为检测航空影像中小而密集分布目标提供了替代增加模型深度或宽度的有效途径；检测精度提升与紧凑参数规模的结合表明，特征提取、金字塔结构、特征融合与预测的协同优化是紧凑无人机感知模型的一种有前景的设计策略。
关键技术方法方面（不超过250字）：研究人员以YOLOv11s为基线构建HBD-Net，采用分层边缘增强模块（HEEM），其基于正交深度可分离条形卷积的条形细节提取（SDE）单元与零初始化可学习标量残差融合，并按P2、P3、P4阶段采用由粗到细的条形核调度；采用金字塔层级移位策略（PLSS）将P3–P5替换为P2–P4；采用P2-BiFPN进行双向传播与快速归一化加权融合；集成Dynamic Head（DyHead）实现尺度感知、空间感知（基于可变形卷积的稀疏采样）与任务感知注意力。实验在VisDrone与HIT-UAV两个公开数据集上进行，所有模型在统一软硬件环境、数据处理流程与优化设置下训练与评估，评价指标为精确率、召回率、mAP、参数量与GFLOPs，并在统一时序协议下测量FPS。
研究结果方面，4.4.1金字塔层级移位策略验证：通过比较P3–P5、P2–P5、P2–P4与P2–P3四种配置，得出P2–P4在保留大部分P2精度优势的同时大幅降低参数与存储需求，故被选为最终PLSS配置并作为后续消融的架构基础。4.4.2 HBD-Net组件消融：通过在PLSS基线上分别、成对及完整加入HEEM、P2-BiFPN与DyHead，得出三者提供互补改进且完整配置取得最佳整体性能。4.5类别级检测性能与精确率—召回率分析：通过比较YOLOv11s与HBD-Net的类别级AP50与AP50–95并给出PR曲线，得出改进分布于全部类别而非局限于少数类别，同时揭示类别相关的剩余局限。4.6对比实验：通过与代表性通用检测器及近期增强方法比较精度、参数量、理论计算成本与推理吞吐量，得出HBD-Net在所列结果中取得最高精度且参数显著少于YOLOv11s，但吞吐量下降，体现精度—吞吐量权衡。4.7跨数据集评估：通过在HIT-UAV红外热数据集上按官方划分训练与测试并与YOLOv5s、YOLOv6s、YOLOv8s、YOLOv11s比较，得出HBD-Net在召回率与两项mAP上最高且参数量最小，证明其跨数据集适应性，同时揭示精确率下降与计算开销增加的权衡。4.8定性可视化：通过VisDrone与HIT-UAV代表性图像的视觉比较，得出HBD-Net在白天、夜间与红外场景中对小而远距离目标的漏检减少，与定量结果一致。
讨论部分总结：结果表明特征分辨率的分配是参数紧凑型无人机检测器的重要设计考量，所选的P2–P4层级是精度—复杂度折中而非单纯最大化精度的配置，该发现支持强调高分辨率特征同时保留足够深层语义信息，但并未确立P2–P4对不同目标尺度分布数据集的普适最优性。组件级消融进一步表明结构增强、双向融合与自适应预测的收益依赖其架构上下文：HEEM加入PLSS基线时使mAP50与mAP50–95提升1.5与0.9个百分点，但当P2-BiFPN与DyHead已存在时其额外增益降至0.2与0.3个百分点，说明模块贡献并非简单相加且部分表示收益可能重叠，但完整配置仍取得最高mAP。另一启示是参数紧凑性与运行时效率须分别评估：HBD-Net参数量由9.4 M降至3.7 M，但计算成本由21.3增至39.2 GFLOPs、实测吞吐量由390.8降至144.9 FPS，因此其为面向精度的参数紧凑型检测器而非最快方案，且工作站测量未确立其在嵌入式无人机硬件上的延迟、能耗或实时能力。HIT-UAV结果提供了红外成像条件下架构有效性的额外证据，同时揭示精确率—召回率权衡：相对YOLOv11s召回率提升2.3个百分点而精确率下降5.8个百分点，mAP50与mAP50–95提升较小（0.4与0.9个百分点），一种可能解释是增强的弱结构线索敏感性有助于找回漏检热目标，同时也会增加对类目标背景模式的响应，但这仍是基于机制的解释而非通过专门假阳性分析确立的发现。研究存在若干局限：消融将HEEM作为完整模块评估，未分离SDE、标量初始化与可学习性、分层核调度的效应；与文献报道结果的比较提供有用背景，但训练与评估协议的差异使其无法构成严格受控的跨论文排序。未来工作应优先开展硬件感知优化并在真实飞行条件下验证，以评估精度—紧凑性权衡的实际收益。研究结论翻译：本研究开发了HBD-Net，一种基于YOLOv11s、用于无人机图像小目标检测的参数紧凑型检测器。该框架结合分层结构增强、高分辨率P2–P4特征层级、双向加权融合与集成的Dynamic Head。在VisDrone test-dev划分上，HBD-Net取得39.0% mAP50与22.6% mAP50–95，分别超过YOLOv11s基线6.9与4.3个百分点，同时将参数量由9.4 M降至3.7 M。消融结果支持集成配置的贡献，HIT-UAV上的数据集特定评估取得84.1% mAP50与57.0% mAP50–95。上述发现表明在所评估条件下以紧凑参数预算实现了检测精度提升。精度提升伴随计算成本增加与吞吐量低于基线。未来工作将聚焦通过轻量算子、结构化剪枝、量化、知识蒸馏与硬件感知优化提升执行效率，并开展更详细的组件级与尺寸特定评估及机载无人机平台验证。总体而言，HBD-Net提供了证据表明协同的特征增强、高分辨率聚合与自适应预测能够在不增加参数预算的情况下改进无人机检测。
