야외 환경에서 목표의 크기가 작고, 텍스처 정보가 약하며, 배경 간섭이 복잡하고 경계 상자 위치 오차가 뚜렷한 문제에 대응하기 위해, 개선된 YOLO11n 기반의 야외 소형 목표 검출 알고리즘을 제안한다. 먼저, 적응형 아픽셀 업샘플링(ASU) 모듈을 도입하여 아픽셀 재배열과 주의 마스크를 통해 소형 목표의 가장자리와 텍스처 세부 특성을 강화한다; 다음으로, 다중 스케일 중요도 강화 모듈(MultiSEM)을 도입하여 다중 스케일 확장 합성곱과 이중 풀링 채널 주의를 통해 소형 목표 영역 반응을 강화하고 복잡한 배경 간섭을 억제한다; 마지막으로, 중심 거리 지수 패널티와 차폐 인지 형태 제약을 도입한 중요도 지수 교집합비 손실 함수(SE-CIoU)를 구축하여 소형 목표 검출의 위치 정확도와 안정성을 향상시킨다. 실험 결과, 자체 구축한 WDD 데이터셋에서 개선된 알고리즘은 정밀도, 재현율, mAP@0.5가 각각 88.8%, 91.4%, 94.0%로 YOLO11n 기준 네트워크 대비 각각 0.6%, 6.6%, 3.3% 향상되었으며; iWildCam2022-Small 데이터셋에서 수행한 일반화 실험에서는 mAP@0.5가 64.5%로 YOLO11n 대비 3.7% 향상되었다. 제안된 알고리즘은 경량화 검출 프레임워크를 유지하면서 야외 소형 목표의 세부 표현력, 중요도 반응 및 경계 상자 위치 능력을 효과적으로 강화하여 복잡한 야외 환경에서 소형 목표 검출 정확도를 높이고 일정 수준의 일반화 능력을 갖는다.

야외 소형 목표;목표 검출;YOLO11n;아픽셀 업샘플링;경계 상자 회귀