Desde la perspectiva de los drones, dado el pequeño tamaño de los objetivos marítimos, el fondo complejo y la alta probabilidad de alta tasa de omisión y precisión insuficiente en la detección, se propone un algoritmo mejorado de detección de pequeños objetivos marítimos basado en YOLO11n, denominado SEW-YOLO. Primero, se diseña un módulo cuello de atención de canales divididos (SCAB) en la red troncal para mejorar la capacidad de extracción de características de pequeños objetivos a través de una estrategia de agrupación de canales y un mecanismo de atención de coordenadas; en segundo lugar, se diseña un módulo mejorado de agrupación de pirámides espaciales rápidas (SPPF_E) para escenas de pequeños objetivos, reemplazando la agrupación con núcleo grande por uno pequeño y utilizando un mecanismo eficiente de atención de canales para calibrar de manera adaptativa los campos receptivos multiescala; al mismo tiempo, se introduce la función de pérdida WIoU en lugar del CIoU original, mejorando la precisión de regresión del cuadro delimitador para pequeños objetivos. Finalmente, se llevaron a cabo experimentos de ablación y comparación en el conjunto de datos públicos SeaDronesSee. Los resultados experimentales muestran que el mAP50 y mAP50-95 del algoritmo SEW-YOLO alcanzan el 68.1 % y el 40.6 % respectivamente, con un aumento de 2.8 y 1.5 puntos porcentuales en comparación con el modelo base, manteniendo las características de ligereza del modelo y logrando mejorar la precisión de detección, lo que demuestra la efectividad del algoritmo.

detección de pequeños objetivos; YOLO11n; ligereza; búsqueda y rescate marino; imágenes de drones