Face aux problèmes liés à la petite taille des cibles en milieu naturel, aux faibles informations texturales, aux interférences complexes de l'arrière-plan et aux déviations visibles des boîtes englobantes, nous proposons un algorithme de détection de petites cibles en milieu naturel basé sur un YOLO11n amélioré. Premièrement, un module d'upsampling sous-pixel adaptatif ASU est introduit, qui, grâce au réarrangement sous-pixel et au masque d'attention, renforce les caractéristiques des bords et des textures des petites cibles ; deuxièmement, un module d'amplification de la saillance multi-échelle MultiSEM est ajouté, utilisant des convolutions dilatées multi-échelles et une attention canale avec double pooling pour renforcer la réponse de la région des petites cibles et supprimer les interférences de l'arrière-plan complexe ; enfin, une fonction de perte SE-CIoU basée sur l'indice de saillance et l'IoU est construite, intégrant une pénalisation de l'indice de distance centrale et des contraintes de forme sensibles à l'occultation, améliorant ainsi la précision et la stabilité de la localisation des petites cibles. Les résultats expérimentaux montrent que, sur le jeu de données WDD construit, la précision, le rappel et le mAP@0.5 de l'algorithme amélioré atteignent respectivement 88,8%, 91,4% et 94,0%, soit des augmentations respectives de 0,6%, 6,6% et 3,3% par rapport à l'algorithme de référence YOLO11n ; les expériences de généralisation sur le jeu de données iWildCam2022-Small montrent un mAP@0.5 de 64,5%, soit une amélioration de 3,7% par rapport à YOLO11n. L'algorithme proposé permet, tout en maintenant un cadre de détection léger, de renforcer efficacement l'expression des détails, la réponse de saillance et la capacité de localisation des boîtes englobantes des petites cibles en milieu naturel, améliorant ainsi la précision de la détection dans des scènes extérieures complexes et démontrant une certaine capacité de généralisation.

petites cibles en milieu naturel;détection de cibles;YOLO11n;upsampling sous-pixel;régression de boîte englobante