突破 3 像素极限！YOLOv12 革新无人机极小目标检测

来源：市场资讯

（来源：计算机视觉研究院）

计算机视觉研究院

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://pmc.ncbi.nlm.nih.gov/articles/PMC12808633/pdf/41598_2025_Article_31803.pdf

计算机视觉研究院专栏

Column of Computer Vision Institute

无人机航拍影像的目标检测，一直被极小目标卡脖子。当目标尺寸小于 3-5 像素时，传统 YOLO 模型直接 “失效”，特征丢失、漏检率高、算力不兼容…… 本文提出基于 YOLOv12 的高效检测框架，彻底破解这一难题！

PART/1

痛点

无人机检测：卡在极小目标的行业痛点

无人机在安防、农业、救灾、交通监测中广泛应用，但航拍视角下的目标极小、密集、背景复杂，成为检测核心瓶颈：

1. 极小目标仅占 3 像素内，纹理、边缘特征几乎消失；

2. 深度卷积下采样易丢失细粒度空间信息；

3. 轻量化与高精度难以兼顾，无法适配无人机边缘实时部署；

4. 多尺度特征融合不足，小目标极易被背景淹没。

传统 YOLOv3/v5/v8/v9 等模型，面对这类超小目标，检测精度大幅下滑，难以满足实际场景需求。

PART/2

创新

四大创新模块：重构 YOLOv12 检测核心

本次研究对 YOLOv12 进行全方位升级，通过 4 大核心模块，实现轻量计算 + 精细特征 + 精准检测的平衡。

模型层架构图

1. C3K2 轻量骨干模块

   替换传统 3×3 卷积为 2×2 卷积，大幅降低参数量与计算量，同时保留细粒度空间特征，解决卷积冗余问题。

2. A2C2F 区域注意力模块

   融合多头 MLP 与局部区域注意力，聚焦极小目标的局部空间依赖，摒弃全局注意力的高算力消耗，强化弱目标特征、抑制背景噪声。

3. 多尺度特征融合策略

   堆叠 A2C2F 模块 + 拼接 (Concat)+ 上采样 (Upsample)，保留高分辨率特征，让小目标不丢失、不模糊。

4. 解耦检测头

   分类、回归分支分离，搭配注意力引导特征融合，提升预测一致性与推理速度。

PART/3

实验

硬核实验：VisDrone 数据集刷新 SOTA

研究选用无人机检测权威数据集VisDrone验证效果，该数据集含超 5 万个小于 3 像素的极小目标，极具挑战性。

与现有模型性能对比表

消融实验结果表

核心性能指标

• 精度：Precision=69.1%，Recall=48.5%，F1=56.99%

• 检测率：mAP@50=58.8%，mAP@0.5:0.95=40.9%

• 速度：A100 GPU 上达40 FPS，支持实时部署

• 算力：参数量 59.1M，GFLOPs=198.6，轻量高效

训练 / 验证损失曲线

归一化混淆矩阵

＜3 像素极小目标专项测试结果

实验证明：该模型对小于 3 像素的超小目标检测能力，远超 YOLOv8、YOLOv9 及各类 Transformer 检测模型，是当前无人机极小目标检测的最优方案。

PART/4

落地价值

落地价值：赋能无人机全场景应用

这款 YOLOv12 改进框架，完美平衡高精度 + 轻量性 + 实时性，可直接部署于无人机边缘设备，覆盖多元场景：

1. 城市安防：密集人流、极小车辆精准识别；

2. 农业监测：作物病虫害、小型植株精细化检测；

3. 灾害救援：废墟中极小生命体征、小型障碍物定位；

4. 交通管控：航拍视角下微型非机动车、行人无漏检。

PART/5

总结

本次研究以 YOLOv12 为基座，通过 C3K2、A2C2F 等创新设计，攻克了无人机航拍3 像素级极小目标检测的行业难题，在精度、速度、轻量化上实现全面突破，为无人机视觉感知提供了全新技术方案。

有相关需求的你可以联系我们！