无人机目标检测 发ccfc
做的是无人机航拍场景下的目标检测，baseline 的map50只有33.4%，行人、自行车、三轮车这些小目标频繁漏检，类别间的视觉相似度高，背景误检也比较严重。

我从四个维度进行了改进，增强多尺度特征的适配能力，通过m级参数量的优化压缩了模型复杂度，改进了特征融合策略，加强了不同层级的交互，最后优化了损失函数权重和数据增强策略。最终map50从0.334提升到0.507，行人从0.361提升到0.596，自行车从0.080提升到0.251，都实现了显著提升。

很多同学认为yolo的改进就是参数变大，精度变高就行，实际上每一次的创新都在精细化特征处理和多尺度匹配的细节上，这对后续的部署优化和实际应用都很重要。
深度学习 目标检测 yolo 无人机 无人机目标检测 Python 大模型 sci 算法创新