ドローン空撮画像における小さな対象物の検出は、対象のサイズが小さすぎること、背景環境の複雑さ、計算資源の制約などの要因によってしばしば影響を受けます。既存のドローン対象検出モデルは一般的に精度が不足しており、検出精度と検出効率の間で良好なバランスを実現することが困難です。これらの課題に対処するため、本論文ではYOLOv11sを改良した小対象検出アルゴリズムであるHMD-YOLOを提案します。まず、HR-MSCA（高解像度マルチスケール畳み込み注意）モジュールを設計し、このモジュールは解像度強化とマルチスケール畳み込み注意を協調して小対象検出を最適化します。次に、モデルのネック部にて軽量かつ高効率なアップサンプラーLitesampleを元のアップサンプラーに代えて使用しました。さらに、境界損失の精度とモデル性能を向上させるためにWise-IoU損失関数を設計しました。最後に、動的検出ヘッドを導入し、小対象検出精度をさらに強化しました。実験結果はVisDrone2019データセットにおいて、改良モデルがmAP@0.5およびmAP@0.95の指標でそれぞれ49.98％および30.73％を達成し、YOLO v11sと比較して12.15％および8.22％の向上を示しました。実験結果は改良手法の有効性を検証しました。また、TinyPersonデータセットでの一般化実験においても検出精度の明らかな向上が示されました。

ドローン空撮検出;小対象認識;YOLOv11;HMD-YOLO