بالنظر إلى مشاكل صغر حجم الأهداف في البيئة البرية، وضعف معلومات النسيج، وتعقيد التشويش الخلفي، والانحراف الواضح في تحديد مربعات الحدود، تم اقتراح خوارزمية كشف الأهداف الصغيرة في البيئة البرية المبنية على YOLO11n المحسن. أولاً، تم إدخال وحدة رفع العينات تحت البكسل التكيفية ASU، من خلال إعادة ترتيب ما تحت البكسل وقناع الانتباه، لتعزيز ملامح حواف ونسيج الأهداف الصغيرة؛ ثانياً، تم إدخال وحدة تعزيز البروز متعددة المقاييس MultiSEM، التي تستخدم التلافيف المجوفة متعددة المقاييس والانتباه بالقناة ذات التجميع المزدوج، لتعزيز استجابة منطقة الهدف الصغير وتقليل التشويش الخلفي المعقد؛ وأخيراً، تم بناء دالة خسارة مؤشر البروز التقاربي التقاطعي SE-CIoU، من خلال إدخال عقوبة مؤشر المسافة المركزية وقيود الشكل الواعية بالعتوم، لتحسين دقة واستقرار تحديد مواقع الأهداف الصغيرة. أظهرت النتائج التجريبية أنه على مجموعة بيانات WDD الخاصة، كانت دقة الخوارزمية المحسنة، معدل الاسترجاع وmAP@0.5 على التوالي 88.8%، 91.4% و94.0%، بزيادة قدرها 0.6%، 6.6% و3.3% مقارنة بخوارزمية YOLO11n الأساسية؛ وأظهرت التجارب التعميمية على مجموعة بيانات iWildCam2022-Small أن mAP@0.5 وصلت إلى 64.5%، بزيادة 3.7% مقارنة بـ YOLO11n. تمكّن الخوارزمية المقترحة من تعزيز التعبير التفصيلي، استجابة البروز، وقدرة تحديد مربعات الحدود للأهداف الصغيرة في البيئة البرية بشكل فعال مع الحفاظ على إطار الكشف خفيف الوزن، مما يحسّن دقة الكشف في المشاهد البرية المعقدة ويمتلك قدرة تعميم معقولة.

الأهداف الصغيرة البرية;كشف الأهداف;YOLO11n;رفع العينات تحت البكسل;تراجع مربعات الحدود