Aus der Perspektive von Drohnen, angesichts der kleinen Größe von Seezielen, des komplexen Hintergrunds und der hohen Wahrscheinlichkeit einer hohen Übersehenquote sowie unzureichender Erkennungsgenauigkeit, wurde ein verbesserter SEW-YOLO-Algorithmus zur Erkennung von kleinen Seezielen auf Basis von YOLO11n vorgeschlagen. Zunächst wurde innerhalb des Backbone-Netzwerks ein SCAB-Modul (Split Channel Attention Bottleneck) entwickelt, um die Fähigkeit zur Merkmalsextraktion kleiner Ziele durch die Kanalgruppierungsstrategie und den Koordinatenaufmerksamkeitsmechanismus zu verbessern. Zweitens wurde das SPPF_E-Modul (Enhanced Spatial Pyramid Pooling Fast) entwickelt, das für kleine Zielszenerien eine kleine Kernpoolschicht anstelle einer großen Kernpoolschicht verwendet und mittels einer effizienten Kanalaufmerksamkeitsmechanik die multiskalige Sichtfeldkalibrierung adaptiv anpasst. Gleichzeitig wurde die Verlustfunktion WIoU eingeführt, um die ursprüngliche CIoU zu ersetzen und die Genauigkeit der Begrenzungsrahmenrückführung für kleine Ziele zu verbessern. Schließlich wurden Abschneidexperimente und Vergleichsexperimente auf dem öffentlichen SeaDronesSee-Datensatz durchgeführt. Die experimentellen Ergebnisse zeigen, dass der SEW-YOLO-Algorithmus mAP50 und mAP50-95 von 68,1 % bzw. 40,6 % erreicht hat, was im Vergleich zum Basismodell einer Steigerung von 2,8 bzw. 1,5 Prozentpunkten entspricht, wobei die Leichtbauweise des Modells erhalten bleibt und eine Verbesserung der Erkennungsgenauigkeit erreicht wurde, was die Wirksamkeit des Algorithmus beweist.

Erkennung kleiner Ziele; YOLO11n; Leichtbauweise; maritime Suche und Rettung; Drohnenbilder