基于 YOLOv12 并通过注意力尺度序列融合的轻量级无人机航拍小目标检测

《Scientific Reports》：Lightweight UAV aerial small object detection based on YOLOv12 via attentional scale sequence fusion

　　

摘要

在无人机（UAV）航拍图像中，目标通常密集分布、尺度较小，且嵌入在复杂背景中。现有检测方法在部署到边缘设备时，难以同时满足精度和实时性要求。因此，实现准确、实时且鲁棒的小目标检测仍然是一个关键挑战。为此，本文提出了一种基于注意力尺度序列融合设计的轻量级无人机小目标检测模型 YOLOv12-RepViT-ASF。该模型基于 YOLOv12n 框架构建，在骨干网络中采用轻量级卷积神经网络模块（RepViT）以增强特征提取和全局建模能力，并在颈部引入了注意力尺度序列融合（ASF）模块以实现多尺度特征的交互与融合，从而提高小尺度目标的提取能力并抑制背景干扰。实验结果表明，在 VisDrone2019 数据集上，YOLOv12-RepViT-ASF 的 mAP@0.5 和 mAP@0.5:0.95 分别达到 34.4% 和 20.2%，相较于 YOLOv12n 基线分别提升了 4.9 和 3.4 个百分点。