来源：市场资讯

（来源：计算机视觉研究院）

计算机视觉研究院

打开网易新闻 查看精彩图片

公众号ID｜计算机视觉研究院

学习群｜扫码在主页获取加入方式

https://sensors.myu-group.co.jp/sm_pdf/SM4311.pdf

计算机视觉研究院专栏

Column of Computer Vision Institute

基于最新 YOLOv11n 框架，本文队提出CGF-YOLOv11n轻量化实时小目标检测算法，在 VisDrone2019 无人机数据集上实现精度显著提升，还能在香橙派 5 平台做到34 帧 / 秒实时部署！

PART/1

创新

CGF-YOLOv11n 的核心是C2PLUS + GRFAConv + FDPN三大改进模块，兼顾精度与速度。

1. C2PLUS 模块：细粒度特征 “放大器”

替代原 C2PSA 模块，融合 Transformer 注意力与通道交互，强化小目标细节特征提取，几乎不增加计算量。

打开网易新闻 查看精彩图片

C2PLUS 模块结构 diagram

2. GRFAConv 模块：轻量感受野增强

结合 GhostConv 轻量化与 RFAConv 空间感知，设计即插即用卷积单元，减少冗余计算，精准聚焦目标空间位置。

打开网易新闻 查看精彩图片

GRFAConv 卷积结构 diagram

3. FDPN 模块：特征融合不丢失

替换传统 PANet，通过 FocusFeature 跨层聚合 + 特征扩散，平衡语义与空间信息，解决小目标特征融合丢失问题。

打开网易新闻 查看精彩图片

FDPN 结构 diagram

打开网易新闻 查看精彩图片

FocusFeature 结构 diagram

PART/2

实验结果

实验结果：精度碾压，轻量更强

实验基于 VisDrone2019 无人机小目标数据集，与原版 YOLOv11n 对比：

  • 验证集 mAP@0.5提升 3.5%

  • 测试集 mAP@0.5提升 3.1%

  • 参数仅 2.745M，GFLOPs 7.2，极致轻量化

打开网易新闻 查看精彩图片
打开网易新闻 查看精彩图片
打开网易新闻 查看精彩图片

可视化效果更直观：CGF-YOLOv11n 对远处小目标、弱光、遮挡场景的注意力更集中，漏检大幅减少。

打开网易新闻 查看精彩图片
打开网易新闻 查看精彩图片

PART/3

落地价值

落地价值：边缘端实时小目标检测

CGF-YOLOv11n 在香橙派 5实现 34FPS 实时推理，完美适配无人机、智能监控、嵌入式边缘设备，为无人机巡检、交通感知、安防监控提供高精度、高效率的小目标检测方案。

未来研究将进一步轻量化压缩，拓展更多数据集，提升复杂场景泛化能力。

有相关需求的你可以联系我们！