UAV aerial images object detection algorithm based on YOLOv11n

LU Yongyu; CHEN Mingxia; LU Junliang; TAN Zhaoliang; QIU Qisheng

doi:10.37188/CJLCD.2026-0061

您当前的位置：

首页 >

文章列表页 >

UAV aerial images object detection algorithm based on YOLOv11n

Image Processing | 更新时间：2026-09-12

- UAV aerial images object detection algorithm based on YOLOv11n
- Chinese Journal of Liquid Crystals and Displays Vol. 41, Issue 7, Pages: 1039-1052(2026)
- 作者机构：
  
  1.广西高校先进制造与自动化技术重点实验室（桂林理工大学），广西桂林 541006
  2.桂林理工大学机械与控制工程学院，广西桂林 541006
- 作者简介：
- 基金信息：
  
  Guangxi Key R&D Program;Wuzhou Municipal Central Guidance Local Science and Technology Development Fund Project(202201001);National Natural Science Foundation of China(61863009)
- DOI：10.37188/CJLCD.2026-0061
  CLC： TP391.41
- CSTR：32172.14.CJLCD.2026-0061
- Received：15 April 2026，
  
  Revised：2026-05-16，
  
  Published：06 July 2026
- 稿件说明：
移动端阅览
LU Yongyu, CHEN Mingxia, LU Junliang, et al. UAV aerial images object detection algorithm based on YOLOv11n[J]. Chinese Journal of Liquid Crystals and Displays, 2026, 41(7): 1039-1052.
DOI：

LU Yongyu, CHEN Mingxia, LU Junliang, et al. UAV aerial images object detection algorithm based on YOLOv11n[J]. Chinese Journal of Liquid Crystals and Displays, 2026, 41(7): 1039-1052. DOI： 10.37188/CJLCD.2026-0061. CSTR： 32172.14.CJLCD.2026-0061.

摘要

针对无人机航拍图像中小目标密集且尺寸小、背景复杂而导致的漏检与误检问题，本文提出基于YOLOv11n的改进MCF-YOLO检测算法。首先，设计了一个小目标特征增强模块MSFE，通过保留高分辨率、加深卷积层并引入残差连接，增强小目标特征表达；其次，在C3k2模块中引入上下文锚点注意力（CAA），利用水平-垂直分离卷积捕获长距离空间依赖，提升全局上下文感知能力，解决背景干扰与目标遮挡问题；最后，采用Focaler-DIoU损失函数，通过引入动态样本权重调节机制，优化边界框回归过程，从而提高小目标定位精度并减少误检和漏检现象。实验结果表明，改进后的算法在VisDrone2019数据集上相比基础YOLOv11n模型，准确率、召回率，mAP@0.5和mAP@0.5：0.95分别提升了6.7%、3.1%、5.6%和3.9%，显著优于其他主流方法。此外，在VEDAI与DOTA数据集上的泛化性测试中，模型的mAP@0.5分别提升了1.2%和1.3%，证明了所提方法在不同场景下的有效性和良好的适应能力。

Abstract

To address the problem of missed detections and false positives in UAV aerial imagery caused by densely distributed small objects， small sizes， and complex backgrounds， this paper proposes an improved MCF-YOLO object detection algorithm based on YOLOv11n. First， a Multi-scale Feature Enhancement（MSFE） module is designed to enhance feature representation of small targets through high-resolution preservation， convolutional layer deepening， and residual connections. Second， a Contextual Anchor Attention（CAA） mechanism is integrated into the C3k2 module， leveraging horizontal and vertical separable convolutions to capture long-range spatial dependencies， thereby improving global contextual awareness and mitigating background interference and occlusion issues. Furthermore， the Focaler-DIoU loss function is employed to optimize the bounding box regression process through a dynamic sample weight adjustment mechanism， enhancing localization accuracy for small objects while reducing false positives and missed detections. Tests conducted on the VisDrone2019 dataset show that our method brings substantial performance enhancements relative to YOLOv11n， with increases of 6.7% in precision， 3.1% in recall， 5.6% in mAP@0.5， and 3.9% in mAP@0.5：0.95， outperforming other mainstream approaches. Additional cross-dataset validation on VEDAI and DOTA datasets shows mAP@0.5 improvements of 1.2% and 1.3% respectively， confirming the method’s effectiveness and strong adaptability across various scenarios.

关键词

Keywords

references

吴一全，童康 . 基于深度学习的无人机航拍图像小目标检测研究进展［J］. 航空学报， 2025 ， 46 （ 3 ）： 030848 ．

WU Y Q ， TONG K . Research advances on deep learning-based small object detection in UAV aerial images ［J］. Acta Aeronautica et Astronautica Sinica ， 2025 ， 46 （ 3 ）： 030848 . （in Chinese）

金黎威，徐望明，李垚翔 . 基于自适应切片辅助推理的航拍图像目标检测方法［J］. 液晶与显示， 2025 ， 40 （ 3 ）： 472 - 480 ． doi: 10.37188/cjlcd.2024-0225 http://dx.doi.org/10.37188/cjlcd.2024-0225

JIN L W ， XU W M ， LI Y X . Object detection method for aerial images based on adaptive slicing aided inference ［J］. Chinese Journal of Liquid Crystals and Displays ， 2025 ， 40 （ 3 ）： 472 - 480 . （in Chinese） . doi: 10.37188/cjlcd.2024-0225 http://dx.doi.org/10.37188/cjlcd.2024-0225

REN S Q ， HE K M ， GIRSHICK R ， et al . Faster R-CNN： towards real-time object detection with region proposal networks ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence ， 2017 ， 39 （ 6 ）： 1137 - 1149 . doi: 10.1109/tpami.2016.2577031 http://dx.doi.org/10.1109/tpami.2016.2577031

REDMON J ， DIVVALA S ， GIRSHICK R ， et al . You only look once： unified， real-time object detection ［C］// Proceedings of the 2016 IEEE Conference on Computer Vision and Pattern Recognition . Las Vegas ： IEEE ， 2016 ： 779 - 788 . doi: 10.1109/cvpr.2016.91 http://dx.doi.org/10.1109/cvpr.2016.91

LIU W ， ANGUELOV D ， ERHAN D ， et al . SSD： single shot multibox detector ［J/OL］. arXiv ， 2015 ： 1512 . 02325 . doi: 10.1007/978-3-319-46448-0_2 http://dx.doi.org/10.1007/978-3-319-46448-0_2

QI S H ， SONG X F ， SHANG T F ， et al . MSFE-YOLO： an improved YOLOv8 network for object detection on drone view ［J］. IEEE Geoscience and Remote Sensing Letters ， 2024 ， 21 ： 6013605 . doi: 10.1109/lgrs.2024.3432536 http://dx.doi.org/10.1109/lgrs.2024.3432536

SUN T ， YANG S Q ， LIU H Y ， et al . MIS-YOLOv8： an improved algorithm for detecting small objects in UAV aerial photography based on YOLOv8 ［J］. IEEE Transactions on Instrumentation and Measurement ， 2025 ， 74 ： 5020212 . doi: 10.1109/tim.2025.3551917 http://dx.doi.org/10.1109/tim.2025.3551917

雷帮军，余翱，吴正平，等 . 改进YOLOv8n的无人机航拍小目标检测算法［J］. 现代电子技术， 2025 ， 48 （ 3 ）： 26 - 34 ．

LEI B J ， YU A ， WU Z P ， et al . Improved small object detection algorithm based on YOLOv8n for UAV aerial photography ［J］. Modern Electronics Technique ， 2025 ， 48 （ 3 ）： 26 - 34 . （in Chinese）

孔垂乐，孟昱煜，火久元，等 . 改进YOLOv11的无人机海上小目标检测算法［J］. 计算机工程与应用， 2026 ， 62 （ 1 ）： 151 - 161 ．

KONG C L ， MENG Y Y ， HUO J Y ， et al . Improved UAV maritime small target detection algorithm for YOLOv11 ［J］. Computer Engineering and Applications ， 2026 ， 62 （ 1 ）： 151 - 161 . （in Chinese）

罗可心，李松江，王鹏，等 . 面向无人机影像小目标检测的轻量化算法［J］. 液晶与显示， 2026 ， 41 （ 2 ）： 253 - 266 ．

LUO K X ， LI S J ， WANG P ， et al . Lightweight algorithm for small object detection in UAV images ［J］. Chinese Journal of Liquid Crystals and Displays ， 2026 ， 41 （ 2 ）： 253 - 266 . （in Chinese）

彭晏飞，赵涛，陈炎康，等 . 基于上下文信息与特征细化的无人机小目标检测算法［J］. 计算机工程与应用， 2024 ， 60 （ 5 ）： 183 - 190 ．

PENG Y F ， ZHAO T ， CHEN Y K ， et al . UAV small object detection algorithm based on context information and feature refinement ［J］. Computer Engineering and Applications ， 2024 ， 60 （ 5 ）： 183 - 190 . （in Chinese）

李云红，张富星，苏雪平，等 . 增强上下文特征交互的实时无人机影像分割算法［J］. 北京航空航天大学学报， 2026 ， 52 （ 3 ）： 668 - 677 ．

LI Y H ， ZHANG F X ， SU X P ， et al . Real-time UAV image segmentation algorithm with enhanced contextual feature interaction ［J］. Journal of Beijing University of Aeronautics and Astronautics ， 2026 ， 52 （ 3 ）： 668 - 677 . （in Chinese）

WANG H Y ， YU Y T ， TANG Z X . FDM-RTDETR： a multi-scale small target detection algorithm ［J］. IEEE Access ， 2025 ， 13 ： 88747 - 88761 . doi: 10.1109/access.2025.3571229 http://dx.doi.org/10.1109/access.2025.3571229

陈崇杨，彭力，杨杰龙 . 基于特征增强与上下文融合的无人机小目标检测算法［J］. 计算机科学， 2025 ， 52 （ 11 ）： 131 - 140 ．

CHEN C Y ， PENG L ， YANG J L . UAV small object detection algorithm based on feature enhancement and context fusion ［J］. Computer Science ， 2025 ， 52 （ 11 ）： 131 - 140 . （in Chinese）

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 ． doi: 10.37188/cjlcd.2025-0010 http://dx.doi.org/10.37188/cjlcd.2025-0010

ZHANG Z H ， LI X R ， CHEN S H . 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 . （in Chinese） . doi: 10.37188/cjlcd.2025-0010 http://dx.doi.org/10.37188/cjlcd.2025-0010

KHANAM R ， HUSSAIN M . YOLOv11： an overview of the key architectural enhancements ［J/OL］. arXiv ， 2024 ： 2410 . 17725 . doi: 10.3390/solar5010006 http://dx.doi.org/10.3390/solar5010006

吕学涵，李富，祁铭瑞，等 . 基于改进YOLOv11s的无人机小目标检测算法［J］. 液晶与显示， 2025 ， 40 （ 11 ）： 1744 - 1756 ． doi: 10.37188/cjlcd.2025-0193 http://dx.doi.org/10.37188/cjlcd.2025-0193

LÜ X H ， LI F ， QI M R ， et al . Target detection algorithm based on improved YOLOv11s UAV aerial image ［J］. Chinese Journal of Liquid Crystals and Displays ， 2025 ， 40 （ 11 ）： 1744 - 1756 . （in Chinese） . doi: 10.37188/cjlcd.2025-0193 http://dx.doi.org/10.37188/cjlcd.2025-0193

张志豪，杜丽霞，侯越，等 . 跨层注意力交互下的多特征交叉无人机图像检测［J］. 光学精密工程， 2024 ， 32 （ 24 ）： 3616 - 3631 ． doi: 10.37188/ope.20243224.3616 http://dx.doi.org/10.37188/ope.20243224.3616

ZHANG Z H ， DU L H ， HOU Y ， et al . Multi-feature cross UAV image detection algorithm under cross-layer attentional interaction ［J］. Optics and Precision Engineering ， 2024 ， 32 （ 24 ）： 3616 - 3631 . （in Chinese） . doi: 10.37188/ope.20243224.3616 http://dx.doi.org/10.37188/ope.20243224.3616

CAI X H ， LAI Q X ， WANG Y W ， et al . Poly kernel inception network for remote sensing detection ［C］. 2024 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）. Seattle ： IEEE ， 2024 ： 27706 - 27716 . doi: 10.1109/cvpr52733.2024.02617 http://dx.doi.org/10.1109/cvpr52733.2024.02617

ZHANG H ， ZHANG S J . Focaler-IoU： more focused intersection over union loss ［J/OL］. arXiv ， 2024 ： 2401 . 10525 .

DU D W ， ZHU P F ， WEN L Y ， et al . VisDrone-DET2019： the vision meets drone object detection in image challenge results ［C］. 2019 IEEE/CVF International Conference on Computer Vision Workshop （ICCVW）. Seoul ： IEEE ， 2019 ： 213 - 226 . doi: 10.1109/iccvw48693.2019 http://dx.doi.org/10.1109/iccvw48693.2019

朱嘉浩，黄俊，刘兆金 . 基于YOLOv11的小目标检测模型［J］. 激光杂志， 2025 ， 46 （ 11 ）： 49 - 56 ．

ZHU J H ， HUANG J ， LIU Z J . Small object detection model based on YOLOV11 ［J］. Laser Journal ， 2025 ， 46 （ 11 ）： 49 - 56 .

景婷婷，曹玉东，陈鑫，等 . 改进YOLOv11的无人机航拍小目标检测算法［J］. 计算机工程与应用， 2026 ， 62 （ 2 ）： 138 - 148 ．（in Chinese）

JING T T ， CAO Y D ， CHEN X ， et al . Improved YOLOv11 algorithm for aerial small target detection in UAVs ［J］. Computer Engineering and Applications ， 2026 ， 62 （ 2 ）： 138 - 148 . （in Chinese）

梁秀满，张永胜，吴楠，等 . 基于RSC-YOLO的无人机目标检测算法［J］. 红外技术， 2025 ， 47 （ 12 ）： 1491 - 1501 ．

LIANG X M ， ZHANG Y S ， WU N ， et al . UAV object detection algorithm based on RSC-YOLO ［J］. Infrared Technology ， 2025 ， 47 （ 12 ）： 1491 - 1501 . （in Chinese）

BAOLONG N ， ZHANG C Y ， SHI Y Z ， et al . DeBiFormer： vision transformer with deformable agent bi-level routing attention ［M］//NUGENT R， MOBASHERI D A， NAKAHARA JR A J， et al. Lecture Notes in Computer Science . Singapore ： Springer ， 2024 ： 445 - 462 . doi: 10.1007/978-981-96-0972-7_26 http://dx.doi.org/10.1007/978-981-96-0972-7_26

HU S ， GAO F ， ZHOU X W ， et al . Hybrid convolutional and attention network for hyperspectral image denoising ［J］. IEEE Geoscience and Remote Sensing Letters ， 2024 ， 21 ： 5504005 . doi: 10.1109/lgrs.2024.3370299 http://dx.doi.org/10.1109/lgrs.2024.3370299

WU T Y ， TANG S ， ZHANG R ， et al . CGNet： a light-weight context guided network for semantic segmentation ［J］. IEEE Transactions on Image Processing ， 2021 ， 30 ： 1169 - 1179 . doi: 10.1109/tip.2020.3042065 http://dx.doi.org/10.1109/tip.2020.3042065

GAO P ， LU J S ， LI H S ， et al . Container： context aggregation network ［J/OL］. arXiv ， 2021 ： 2106 . 01401 .

GUO M H ， LU C Z ， HOU Q B ， et al . SegNeXt： rethinking convolutional attention design for semantic segmentation ［C］// Proceedings of the 36th Conference on Neural Information Processing Systems . New Orleans ： Curran Associates， Inc. ， 2022 ： 1140 - 1156 . doi: 10.52202/068431-0084 http://dx.doi.org/10.52202/068431-0084

MOSTOFA M ， FERDOUS S N ， RIGGAN B S ， et al . Joint-SRVDNet： joint super resolution and vehicle detection network ［J］. IEEE Access ， 2020 ， 8 ： 82306 - 82319 . doi: 10.1109/access.2020.2990870 http://dx.doi.org/10.1109/access.2020.2990870

XIA G S ， BAI X ， DING J ， et al . DOTA： a large-scale dataset for object detection in aerial images ［C］// Proceedings of 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition . Salt Lake City ： IEEE ， 2018 ： 3974 - 3983 . doi: 10.1109/cvpr.2018.00418 http://dx.doi.org/10.1109/cvpr.2018.00418

Views

196

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Lightweight algorithm for small object detection in UAV images

Lightweight detection of foreign objects on road surfaces in challenging driving environments

Retinal micro-vessel segmentation based on wavelet and coarse probability prior dual-branch network

A spatiotemporal consistency-based robust fusion method for collaborative perception

Compensation of OLED brightness uniformity based on spatial temperature gradient

Related Author

CHEN Mingxia

LUO Kexin

LI Songjiang

WANG Peng

YANG Huamin

LI Songjiang

WANG Peng

ZHANG Chuanwei

Related Institution

School of Computer Science and Technology， Changchun University of Science and Technology

Jilin Provincial Joint Key Laboratory of Big Data Science and Engineering

Jilin Provincial Science and Technology Innovation Center of Network Database Application Software

School of Mechanical Engineering， Xi′an University of Science and Technology， Xi′an

Shaanxi College of Communications Technology， Xi′an

AI问答

Address：No.3888 Dong Nanhu Road, Changchun, Jilin, China 130033 Postal code：130033
Tel：0431-86176059 Email：yjxs@ciomp.ac.cn
Technical support is provided by Beijing Founder electronics co., LTD 吉ICP备11002662号-17 京公网安备11010802024621
It is recommended to read the content of this site in Chrome&IE9+. Please switch to extreme mode in browser 360.
Cookies We use cookies to help provide and enhance our service and tailor content. By continuing, you agree to the use of cookies.

⁰