Tendo em vista os problemas de pequena escala dos alvos em ambientes externos, fracas informações de textura, interferência complexa de fundo e desvios evidentes na localização da caixa delimitadora, propõe-se um algoritmo de detecção de pequenos alvos em ambiente externo baseado em uma versão aprimorada do YOLO11n. Primeiro, é introduzido um módulo adaptativo de upsampling subpixel ASU, que, por meio do rearranjo subpixel e máscara de atenção, reforça as características das bordas e detalhes de textura dos pequenos alvos; em seguida, é introduzido o módulo de realce de saliência multiescala MultiSEM, que por meio de convoluções dilatadas multiescala e atenção em canal com duplo pooling, reforça a resposta da região do pequeno alvo e suprime a interferência complexa de fundo; finalmente, é construída a função de perda SE-CIoU baseada no índice de saliência e na razão de interseção sobre união, que por meio da introdução da penalização do índice de distância ao centro e restrições de forma conscientes da oclusão, melhora a precisão e estabilidade da localização dos pequenos alvos. Resultados experimentais mostram que, no conjunto de dados WDD criado, a precisão, recall e mAP@0.5 do algoritmo aprimorado foram de 88,8%, 91,4% e 94,0% respectivamente, o que representa um aumento de 0,6%, 6,6% e 3,3% em comparação com o algoritmo base YOLO11n; os experimentos de generalização no conjunto de dados iWildCam2022-Small mostraram que o mAP@0.5 atingiu 64,5%, um aumento de 3,7% em relação ao YOLO11n. O algoritmo proposto pode, mantendo uma estrutura de detecção leve, reforçar eficazmente a expressão de detalhes, resposta de saliência e capacidade de localização da caixa delimitadora de pequenos alvos em ambientes externos, melhorando a precisão da detecção de pequenos alvos em cenários externos complexos e apresentando certa capacidade de generalização.

pequenos alvos em ambiente externo;detecção de alvos;YOLO11n;upsampling subpixel;regressão de caixa delimitadora