Para melhorar a capacidade de detecção de pequenos alvos em cenários com fundos complexos, como imagens aéreas de drones, este artigo propõe uma rede leve de detecção de pequenos alvos que introduz um mecanismo de atenção baseada na rede YOLOv4. Primeiramente, foi adicionado um módulo de fusão multiescala no mecanismo de atenção por canal e construído um extrator de características multimétodo; em seguida, o módulo de atenção por canal projetado foi incorporado à rede de extração de características do YOLOv4 para reforçar a capacidade da rede de se concentrar em regiões de interesse da imagem; depois, a estrutura da rede YOLOv4 foi aprimorada com um mecanismo de fusão entre camadas de características rasas e profundas para obter informações ricas em resolução; por fim, estratégias de poda de canais e destilação de conhecimento foram adotadas para otimizar o modelo melhorado, reduzindo significativamente o número de parâmetros do modelo com uma perda mínima de precisão. Os resultados experimentais mostram que a rede leve proposta reduziu o tamanho do modelo em 93,6% em dados aéreo de drones, aumentou a velocidade de inferência em 52,6% e melhorou o mAP em 2,9%; no conjunto de dados de defeitos em tecidos, o tamanho do modelo diminuiu 92,1%, a velocidade de inferência aumentou 49,5% e o mAP cresceu 2,2%, melhorando efetivamente a detecção de pequenos alvos em fundos complexos e alcançando leveza da rede.

Detecção de alvos;Rede YOLOv4;Mecanismo de atenção;Fusão de características;Compressão de rede