Du point de vue des drones, étant donné la petite taille des cibles maritimes, le fond complexe, et la probabilité accrue de taux de détection manquée élevé et de précision de détection insuffisante, un algorithme amélioré de détection des petites cibles maritimes basé sur YOLO11n, SEW-YOLO, est proposé. Tout d'abord, un module de col attention canaux divisés (SCAB) est conçu dans le réseau principal pour améliorer la capacité d'extraction des caractéristiques des petites cibles grâce à une stratégie de regroupement des canaux et un mécanisme d'attention coordonnée ; ensuite, un module pyramidal d'agrégation spatiale rapide amélioré (SPPF_E) est conçu, remplaçant l'agrégation à noyaux larges par une agrégation à noyaux petits dans des scènes de petites cibles et utilisant un mécanisme d'attention canaux efficace pour calibrer de manière adaptative les récepteurs multi-échelles ; parallèlement, la fonction de perte WIoU est introduite pour remplacer CIoU d'origine, permettant d'améliorer la précision de régression des encadrements pour petites cibles. Enfin, des expériences d'ablation et de comparaison ont été menées sur l'ensemble de données publiques SeaDronesSee. Les résultats expérimentaux montrent que les mAP50 et mAP50-95 de l'algorithme SEW-YOLO atteignent respectivement 68,1 % et 40,6 %, augmentant respectivement de 2,8 et 1,5 points de pourcentage par rapport au modèle de référence, tout en maintenant les caractéristiques de légèreté du modèle, ce qui prouve l'efficacité de l'algorithme.

détection des petites cibles; YOLO11n; légèreté; recherche et sauvetage en mer; images de drones