드론 항공 영상에서 소형 목표가 밀집되어 있고 크기가 작으며 배경이 복잡하여 발생하는 누락 검출 및 오탐 문제를 해결하기 위해 본문에서는 YOLOv11n 기반의 개선된 MCF-YOLO 검출 알고리즘을 제안한다. 우선, 고해상도 유지, 컨볼루션 층 심화 및 잔차 연결 도입을 통해 소형 목표 특징 표현을 강화하는 소형 목표 특징 강화 모듈 MSFE를 설계하였다; 둘째, C3k2 모듈에 문맥 앵커 주의(CAA)를 도입하여 수평-수직 분리 컨볼루션을 이용해 장거리 공간 의존성을 포착하고 전역 문맥 인식 능력을 향상시켜 배경 간섭 및 목표 차폐 문제를 해결하였다; 마지막으로, 동적 샘플 가중치 조절 메커니즘을 도입한 Focaler-DIoU 손실 함수를 사용하여 경계 상자 회귀 과정을 최적화하고 소형 목표 위치 정확도를 높이며 오탐 및 누락 현상을 감소시켰다. 실험 결과, 개선된 알고리즘이 VisDrone2019 데이터셋에서 기본 YOLOv11n 모델 대비 정확도, 재현율, mAP@0.5 및 mAP@0.5:0.95가 각각 6.7%, 3.1%, 5.6%, 3.9% 향상되어 다른 주요 방법보다 우수함을 보였다. 또한 VEDAI 및 DOTA 데이터셋에서의 일반화 테스트에서 모델의 mAP@0.5가 각각 1.2% 및 1.3% 향상되어 제안된 방법의 다양한 시나리오에서의 유효성과 우수한 적응성을 입증하였다.

딥러닝;드론;소형 목표 검출;YOLOv11n;특징 강화