드론 항공 촬영 이미지에서 소형 물체 검출은 물체 크기가 매우 작고, 배경 환경이 복잡하며, 계산 자원이 제한되는 등의 요인으로 인해 종종 어려움을 겪습니다. 기존 드론 물체 검출 모델들은 일반적으로 정확도가 부족하며 검출 정확도와 검출 효율 사이의 균형을 이루기 어렵습니다. 이러한 문제를 해결하기 위해 본 논문에서는 YOLOv11s를 기반으로 개선된 소형 물체 검출 알고리즘인 HMD-YOLO를 제안합니다. 우선, 고해상도 다중 스케일 합성곱 주의(HR-MSCA) 모듈을 설계하였으며, 이 모듈은 해상도 향상과 다중 스케일 합성곱 주의의 협업 설계를 통해 소형 물체 검출을 최적화합니다. 두 번째로, 모델의 네크 부분에서 기존 업샘플러를 경량화되고 효율적인 Litesample로 대체하였습니다. 또한, 경계 손실 함수의 정밀도와 모델 성능 향상을 위해 Wise-IoU 손실 함수를 설계하였습니다. 마지막으로, 동적 검출 헤드를 도입하여 모델의 소형 물체 검출 정확도를 더욱 강화하였습니다. VisDrone2019 데이터셋에서 실험 결과, 개선된 모델은 mAP@0.5 및 mAP@0.95 지표에서 각각 49.98%와 30.73%를 달성했으며, 이는 YOLO v11s 대비 각각 12.15%와 8.22% 향상된 수치입니다. 실험 결과는 제안된 개선 방법의 유효성을 입증하였습니다. 또한 TinyPerson 데이터셋에서 일반화 실험을 수행하여 검출 정확도가 현저히 향상됨을 확인하였습니다.

드론 항공 촬영 검출;소형 물체 인식;YOLOv11;HMD-YOLO