小目标检测新进展PRNet：原始信息才是王道，实时小目标检测迎来新范式！|卷积|大模型|小目标检测

文章来源：我爱计算机视觉（ID：aicvml）

在无人机航拍、卫星遥感等领域，如何精准又快速地识别出画面中的小目标，一直是个棘手的难题。这些小目标，比如远处的车辆、行人，在图像里可能只占了几个像素，特征提取过程中宝贵的空间细节一不小心就丢失了，导致模型“视而不见”或者“指鹿为马”。最近，来自南京航空航天大学的研究团队带来了一份颇有新意的答卷——PRNet。他们认为，与其在信息丢失后费力地重建，不如从一开始就死死“捍卫”原始信息。

论文标题 : PRNet: Original Information Is All You Have

作者 : PeiHuang Zheng, Yunlong Zhao, Zheng Cui, Yang Li

机构 : 南京航空航天大学

论文地址 : https://arxiv.org/abs/2510.09531

代码仓库 : https://github.com/hhao659/PRNet

“信息退化”：航拍小目标检测的“阿喀琉斯之踵”

熟悉目标检测的朋友们都知道，神经网络在提取特征时，会逐层进行卷积和下采样，这个过程就像是不断对图像进行“浓缩”，以提炼出高层语义信息。但对于本身就像素很少的小目标来说，这种“浓缩”是致命的。几轮下来，本就模糊的边缘、纹理等细节信息可能就彻底消失了，导致后续的检测头“巧妇难为无米之炊”。

上图直观地展示了分辨率下降对不同数据集中目标可见性的影响。可以看到，在VisDrone和AI-TOD这类航拍数据集中，小目标在分辨率降低后，其边缘、纹理和形状信息损失惨重，几乎无法辨认。

虽然现在主流的检测器大都采用特征金字塔网络（Feature Pyramid Network, FPN）及其变体，试图通过融合深层语义信息和浅层空间信息来缓解这个问题。但作者一针见血地指出，这些方法大多是在特征已经被“污染”之后进行“后期补救”，重建的细节往往已经偏离了最原始、最真实的信息，效果自然大打折扣。

PRNet：捍卫原始信息的两大“法宝”

面对这一困境，PRNet的核心思想非常直接：与其修补，不如保护。它把重点放在了如何最大化地保留和利用网络浅层那些未经处理的、最“新鲜”的空间特征上。为此，PRNet设计了两大核心模块：渐进式精炼颈（Progressive Refinement Neck, PRN） 和 增强型切片下采样（Enhanced SliceSamp, ESSamp）。

上图展示了PRNet的整体架构。可以看到，它在YOLOv11的基础上，用PRN替换了传统的PAN-FPN结构，并在骨干网络的前两层用ESSamp替换了常规的步进卷积下采样。

渐进式精炼颈 (PRN)：让浅层特征“物尽其用”

传统FPN结构中，来自骨干网络的浅层特征图（比如P2）通常只在自顶向下的融合路径中使用一次，之后就被“抛弃”了。这在作者看来是巨大的浪费，因为这些特征图包含了最丰富的空间细节。

PRN的设计就是为了解决这个问题。它引入了“骨干特征复用”和“渐进式融合”的机制。

从上图的对比中可以清晰地看到，传统的FPN、PAN等结构都是单向或双向的简单融合。而PRN（最右侧）则建立了一个迭代优化的闭环：它不仅进行自顶向下和自底向上的融合，还反复地（图中的橙色线）将骨干网络中那些“原汁原味”的浅层、中层特征重新引入到融合过程中，对高分辨率特征进行迭代精炼。这种设计确保了宝贵的空间细节在整个特征融合过程中始终“在线”，从而实现空间与语义的更优对齐。

增强型切片下采样 (ESSamp)：从源头减少信息损失

除了在“颈部”做文章，PRNet还在“骨干”的下采样阶段进行了优化。传统的下采样方式，如步进卷积，为了降维会丢弃大量信息。

ESSamp模块则是一种更“温柔”的下采样方式。

它首先使用PixelUnshuffle操作，将特征图的空间维度信息巧妙地重排到通道维度，实现无损的维度转换。然后，通过一个增强的深度可分离卷积（depthwise convolution）来提取特征。这里的“增强”体现在它为每个输入通道分配了多个卷积核（深度乘子d=2），从而在不大幅增加计算成本的前提下，提升了捕捉精细局部模式的能力。这套组合拳下来，ESSamp在完成下采样的同时，最大限度地保留了对小目标至关重要的细节信息。

实验效果：精度与效率的双重胜利

PRNet在VisDrone、AI-TOD和UAVDT等多个主流航拍图像数据集上进行了广泛实验，结果相当亮眼。

VisDrone数据集上的SOTA表现

在VisDrone验证集上，PRNet在不同量级的模型上都展现了卓越的性能。

例如，轻量级的 PRNet-N，参数量仅为 2.2M，就达到了 26.7% 的AP，超越了参数量更大的YOLO11-s。而中量级的PRNet，相比YOLO11-m，在AP提升 2.5% 的同时，参数量和计算量分别减少了 61.3% 和 34.0%，实现了极佳的精度-效率权衡。