基于 PARE-YOLO 的多尺度注意力融合小目标检测模型

目录

一、背景：无人机小目标检测的四大挑战

二、模型架构：三阶段创新设计

2.1 Backbone创新：C2f-PPA模块

2.2 Neck创新：动态序列特征融合

2.3 Head创新：Transformer增强检测头

三、损失函数创新：EMA-GIoU

四、实验结果：全面领先的检测性能

4.1 VisDrone2019数据集表现

4.2 HIT-UAV红外数据集验证

五、代码实现与部署

5.1 环境配置

5.2 训练指令

5.3 关键超参数

六、未来方向与讨论

---

 

一、背景：无人机小目标检测的四大挑战

PARE-YOLO 模型的网络架构

在无人机航拍场景中，目标检测面临着​"四小一多"​的独特挑战：

1. ​像素占比小​：目标在图像中通常小于32×32像素
2. ​特征