Para lidar com problemas como a pequena escala dos alvos em ambientes externos, informações de textura fracas, interferência complexa de fundo e desvios evidentes na localização das caixas delimitadoras, é proposto um algoritmo de detecção de pequenos alvos ao ar livre baseado em uma versão aprimorada do YOLO11n. Primeiramente, é introduzido um módulo de upsampling subpixel adaptativo (ASU), que, por meio do rearranjo subpixel e máscara de atenção, reforça as características de borda e textura dos pequenos alvos; em seguida, é incorporado um módulo de realce de saliência multiescala (MultiSEM), que, por meio de convoluções dilatadas multiescala e atenção de canal com dupla pooling, aumenta a resposta da região do pequeno alvo e suprime a interferência complexa do fundo; por fim, é construída a função de perda SE-CIoU com índice de saliência sobre a intersecção-sobre-união, que melhora a precisão e estabilidade da localização do pequeno alvo com a introdução de penalidade do índice de distância central e restrições de forma com consciência de oclusão. Os resultados experimentais mostram que, no conjunto de dados WDD construído, o algoritmo aprimorado alcançou precisão, taxa de recall e mAP@0.5 de 88,8%, 91,4% e 94,0%, respectivamente, com melhorias de 0,6%, 6,6% e 3,3% sobre a rede base YOLO11n; os experimentos de generalização no conjunto iWildCam2022-Small mostraram mAP@0.5 de 64,5%, crescimento de 3,7% em relação ao YOLO11n. O algoritmo proposto pode reforçar efetivamente a expressão detalhada, resposta de saliência e capacidade de localização da caixa delimitadora dos pequenos alvos ao ar livre, mantendo a estrutura de detecção leve, melhorando a precisão da detecção em cenários externos complexos e possuindo certa capacidade de generalização.

pequenos alvos ao ar livre;detecção de alvos;YOLO11n;upsampling subpixel;regressão de caixa delimitadora