ドローン空撮画像における小対象の密集およびサイズの小ささ、背景の複雑さによる見落とし検出および誤検出の問題を解決するために、本論文ではYOLOv11nに基づく改良されたMCF-YOLO検出アルゴリズムを提案する。まず、高解像度の維持、畳み込み層の深層化および残差接続の導入により小対象特徴表現を強化する小対象特徴強化モジュールMSFEを設計した。次に、C3k2モジュールに文脈アンカー注意（CAA）を導入し、水平方向・垂直方向分離畳み込みを利用して長距離空間依存性を捉え、全体的な文脈認識能力を向上させ、背景干渉および対象物の遮蔽問題を解決した。最後に、動的サンプル重み調整機構を導入したFocaler-DIoU損失関数を採用し、境界ボックス回帰過程を最適化することで小対象位置精度を向上させ、誤検出および見落とし現象を低減した。実験結果は、改良アルゴリズムがVisDrone2019データセットで基礎YOLOv11nモデルと比べて精度、再現率、mAP@0.5およびmAP@0.5:0.95がそれぞれ6.7％、3.1％、5.6％および3.9％向上し、他の主流手法を大きく上回ることを示した。さらに、VEDAIおよびDOTAデータセットでの汎化試験において、モデルのmAP@0.5はそれぞれ1.2％および1.3％向上し、提案手法の異なるシナリオにおける有効性と優れた適応能力を証明した。

深層学習;ドローン;小対象検出;YOLOv11n;特徴強化