小目标检测难题的破解之道：多尺度特征融合技术详解与YOLO实战

🚀 30+款热门AI模型一站整合，DeepSeek/GLM/Claude 随心用，限时 5 折。 👉 点击领海量免费额度

在实际计算机视觉项目中，小目标检测一直是个棘手问题。当目标在图像中只占据几十甚至几个像素时，标准的目标检测模型（如 YOLO、Faster R-CNN）性能会急剧下降。这是因为在特征提取网络（如 CNN）的下采样过程中，小目标的语义信息极易丢失，最终在深层特征图上“消失”。解决这个问题的核心思路之一，就是多尺度特征融合。它并非简单地将不同层的特征图拼接起来，而是通过精巧的设计，让网络能够同时“看到”图像的细节（浅层特征）和语义（深层特征），从而提升对小目标的感知能力。本文将深入剖析特征融合技术在小目标检测中的应用，从核心概念、主流方法到代码实践，带你构建一个可复现的改进方案。无论你是希望为自己的毕设寻找创新点，还是为论文实验寻找可靠的基线代码，这篇文章都将提供一条从理论到落地的清晰路径。

1. 理解小目标检测的难点与特征融合的价值

在深入代码之前，必须清楚我们面对的问题是什么，以及为什么特征融合是有效的解决方案。

1.1 为什么小目标检测如此困难？

小目标检测的挑战主要来自三个方面：

1. 分辨率低，信息量少：小目标在图像中像素占比小，可用的外观、纹理、颜色等视觉特征非常有限，容易被背景噪声淹没。
2. 下采样导致特征消失：现代卷积神经网络（CNN）通过池化或步长卷积进行下采样，以扩大感受野并提取高级语义特征。例如，一个输入为 640x640 的图像，经过 5 次 2 倍下采样后，特征图尺寸变为 20x20。一个原本只有 16x16 像素的小目标，在最终特征图上可能只剩下 1 个像素点，其信息几乎完全丢失。
3. 定位精度要求高：对于小目标，边界框几个像素的偏差就会导致 IoU（交并比）大幅下降，这对回归分支的定位精度提出了极高要求。

1.2 特征融合如何破局？

特征融合的核心思想是综合利用网络不同深度、不同尺度的特征信息。一个典型的 CNN 特征金字塔可以这样理解：

• 浅层特征（靠近输入层）：分辨率高，包含丰富的细节、边缘、纹理信息，对小目标的定位至关重要，但语义性弱，噪声多。
• 深层特征（靠近输出层）：分辨率低，语义信息强（能区分“猫”、“狗”、“车”），但空间细节丢失严重。

特征融合技术（如 FPN、PANet、BiFPN）通过自上而下或自下而上的路径，将深层语义特征与浅层细节特征进行结合。这样，用于预测小目标的特征图，既保留了足够的空间分辨率，又融入了高级语义指导，从而显著提升检测性能。

1.3 主流特征融合结构对比

了解不同结构的差异，有助于我们根据任务进行选择和改造。

对于小目标检测，PANet和BiFPN因其更强的双向信息流，通常是比基础 FPN 更优的选择。下文我们将以 YOLO 系列模型为基底，实现一个改进的 PANet 结构。

2. 环境准备与项目结构

我们将基于 PyTorch 和 Ultralytics YOLO 框架进行实验。选择 YOLO 是因为其生态完善，便于快速验证想法。

2.1 环境配置清单

首先确保你的开发环境满足以下要求。建议使用 Anaconda 管理环境。

使用以下命令创建并激活环境：

# 创建虚拟环境 conda create -n yolo_small_obj python=3.9 -y conda activate yolo_small_obj # 安装 PyTorch (以 CUDA 11.6 为例) pip install torch==1.13.0+cu116 torchvision==0.14.0+cu116 --extra-index-url https://download.pytorch.org/whl/cu116 # 安装 Ultralytics YOLO 和其他依赖 pip install ultralytics pip install opencv-python matplotlib seaborn pandas pycocotools

2.2 项目目录结构

一个清晰的项目结构有助于管理代码、数据和实验记录。

yolo_small_object_detection/ ├── data/ │ ├── coco128/ # 示例数据集，用于快速验证 │ └── your_dataset/ # 你的自定义数据集（按YOLO格式组织） ├── models/ │ ├── common.py # 存放自定义的模块，如我们改进的PANet │ ├── yolo.py # YOLO模型定义文件（可能需要修改） │ └── yolov8n.yaml # 模型配置文件模板 ├── runs/ │ └── detect/ # 训练和检测结果会自动保存于此 ├── scripts/ │ ├── train.py # 训练脚本 │ ├── detect.py # 推理脚本 │ └── export.py # 模型导出脚本 ├── utils/ │ └── datasets.py # 数据集加载相关工具（可选修改） ├── configs/ │ └── custom_panet.yaml # 我们自定义的模型配置文件 └── README.md

注意：ultralytics库本身结构复杂，我们通常不直接修改其源码，而是通过继承和重写关键模块，或者修改模型配置文件（.yaml）的方式来集成自定义结构。这是最稳妥、最易于维护的方式。

3. 实现改进的特征融合 Neck 模块

我们将实现一个增强版的 PANet 作为 YOLO 模型的 Neck（颈部）。原始的 PANet 在 YOLOv4/v5 中应用，我们借鉴其思想，并针对小目标进行优化。

3.1 自定义 PANet 模块

在models/common.py中，我们添加新的模块定义。这里我们实现一个包含可变形卷积和注意力机制的 PANet 变体，以更好地适应小目标的几何变化并聚焦重要特征。

import torch import torch.nn as nn import torch.nn.functional as F class Conv(nn.Module): """标准卷积块 (Conv2d + BatchNorm + SiLU)""" def __init__(self, c1, c2, k=1, s=1, p=None, g=1, act=True): super().__init__() self.conv = nn.Conv2d(c1, c2, k, s, autopad(k, p), groups=g, bias=False) self.bn = nn.BatchNorm2d(c2) self.act = nn.SiLU() if act else nn.Identity() def forward(self, x): return self.act(self.bn(self.conv(x))) def autopad(k, p=None): """自动填充以保持输出尺寸不变""" if p is None: p = k // 2 if isinstance(k, int) else [x // 2 for x in k] return p class DeformableConv(nn.Module): """可变形卷积模块（简化版，实际可使用 torchvision.ops.DeformConv2d）""" def __init__(self, c1, c2, k=3, s=1): super().__init__() # 为简化示例，此处用普通卷积模拟。实际项目应安装 mmcv 或使用 torchvision 的可变形卷积。 # from torchvision.ops import DeformConv2d # self.conv_offset = nn.Conv2d(c1, 2 * k * k, k, s, autopad(k)) # self.conv = DeformConv2d(c1, c2, k, s, autopad(k)) self.conv = Conv(c1, c2, k, s) # 此处用标准卷积替代 def forward(self, x): # offset = self.conv_offset(x) # return self.conv(x, offset) return self.conv(x) # 简化版 forward class ChannelAttention(nn.Module): """通道注意力模块 (SENet风格)""" def __init__(self, channels, reduction=16): super().__init__() self.avg_pool = nn.AdaptiveAvgPool2d(1) self.max_pool = nn.AdaptiveMaxPool2d(1) self.fc = nn.Sequential( nn.Conv2d(channels, channels // reduction, 1, bias=False), nn.ReLU(inplace=True), nn.Conv2d(channels // reduction, channels, 1, bias=False) ) self.sigmoid = nn.Sigmoid() def forward(self, x): avg_out = self.fc(self.avg_pool(x)) max_out = self.fc(self.max_pool(x)) out = self.sigmoid(avg_out + max_out) return x * out class SpatialAttention(nn.Module): """空间注意力模块""" def __init__(self, kernel_size=7): super().__init__() self.conv = nn.Conv2d(2, 1, kernel_size, padding=kernel_size//2, bias=False) self.sigmoid = nn.Sigmoid() def forward(self, x): avg_out = torch.mean(x, dim=1, keepdim=True) max_out, _ = torch.max(x, dim=1, keepdim=True) concat = torch.cat([avg_out, max_out], dim=1) att_map = self.sigmoid(self.conv(concat)) return x * att_map class CBAM(nn.Module): """卷积块注意力模块 (Channel + Spatial)""" def __init__(self, channels): super().__init__() self.channel_att = ChannelAttention(channels) self.spatial_att = SpatialAttention() def forward(self, x): x = self.channel_att(x) x = self.spatial_att(x) return x class ImprovedPANet(nn.Module): """ 改进的 PANet 模块，用于小目标检测。 结构：FPN (自上而下) + 增强的 Bottom-Up Path (自下而上) + 注意力。 """ def __init__(self, channels_list, version='v2'): """ Args: channels_list (list): 来自 Backbone 的不同尺度特征图的通道数，例如 [256, 512, 1024]。 version (str): 'v1' 基础版， 'v2' 带注意力版。 """ super().__init__() self.version = version # 假设 channels_list 为 [C3, C4, C5]，对应浅、中、深三层特征 c3, c4, c5 = channels_list # FPN 部分 (Top-Down) # 对深层特征上采样并与浅层融合 self.upsample = nn.Upsample(scale_factor=2, mode='nearest') self.lateral_conv1 = Conv(c5, c4, 1, 1) # 调整C5通道数匹配C4 self.lateral_conv2 = Conv(c4, c3, 1, 1) # 调整融合后特征通道数匹配C3 # 融合后的卷积处理 self.fpn_conv1 = Conv(c4, c4, 3, 1) self.fpn_conv2 = Conv(c3, c3, 3, 1) # Bottom-Up Path 部分 (增强) # 将浅层特征下采样并与深层融合 self.downsample = nn.MaxPool2d(kernel_size=2, stride=2) self.bottom_up_conv1 = Conv(c3, c4, 3, 2) # 使用步长2卷积替代池化+卷积，保留更多信息 self.bottom_up_conv2 = Conv(c4, c5, 3, 2) # 可选：添加注意力模块到融合后的特征 if self.version == 'v2': self.att1 = CBAM(c4) self.att2 = CBAM(c3) self.att3 = CBAM(c5) # 输出卷积，准备用于 Detect head self.out_conv1 = Conv(c3, c3, 3, 1) self.out_conv2 = Conv(c4, c4, 3, 1) self.out_conv3 = Conv(c5, c5, 3, 1) def forward(self, features): """ Args: features (list[Tensor]): 来自 Backbone 的特征图列表 [f1, f2, f3]，分辨率从大到小。 Returns: list[Tensor]: 融合后的多尺度特征图列表，顺序与输入一致。 """ c3, c4, c5 = features # 假设输入是三个尺度 # FPN 路径 (Top-Down) p5 = self.lateral_conv1(c5) # 调整C5通道 p5_up = self.upsample(p5) # 上采样 p4 = c4 + p5_up # 特征相加融合 p4 = self.fpn_conv1(p4) # 卷积处理 p4_lat = self.lateral_conv2(p4) # 调整通道 p4_up = self.upsample(p4_lat) # 上采样 p3 = c3 + p4_up # 特征相加融合 p3 = self.fpn_conv2(p3) # 卷积处理 # 应用注意力 (如果启用) if self.version == 'v2': p3 = self.att1(p3) p4 = self.att2(p4) p5 = self.att3(p5) # 注意，原始的c5也参与后续融合 # Bottom-Up 路径 (增强) # 将加强后的浅层特征向下传递 n3 = p3 n4 = p4 + self.bottom_up_conv1(n3) # 下采样并融合 n5 = p5 + self.bottom_up_conv2(n4) # 下采样并融合 # 最终输出处理 out3 = self.out_conv1(n3) out4 = self.out_conv2(n4) out5 = self.out_conv3(n5) return [out3, out4, out5]

关键代码解释：

1. Conv类：构建了标准的卷积-BN-激活函数模块，是网络的基础组件。
2. CBAM：集成了通道注意力和空间注意力，让网络能自适应地关注重要特征和空间位置，这对从复杂背景中找出小目标很有帮助。
3. ImprovedPANet.forward：清晰地展示了两条路径。
   • FPN（自上而下）：c5 -> p5 -> p4 -> p3，将高层语义信息传递到低层。
   • Bottom-Up（自下而上）：n3 -> n4 -> n5，将底层丰富的细节信息反馈到高层，形成双向信息流。
4. 特征融合方式：这里使用了最简单的相加（+）。你也可以尝试**拼接（torch.cat）**后接卷积，或者像 BiFPN 那样引入可学习的加权融合。

3.2 将自定义模块集成到 YOLOv8 配置中

Ultralytics YOLO 使用 YAML 文件定义模型结构。我们需要创建一个自定义的配置文件。将以下内容保存为configs/yolov8n_custom_panet.yaml。

# Ultralytics YOLO 🚀, AGPL-3.0 license # YOLOv8n 模型，使用改进的 PANet 作为 Neck # 参数 nc: 80 # 类别数，根据你的数据集修改，COCO是80 scales: # 模型深度和宽度因子 n: # 对应 yolov8n depth_multiple: 0.33 # 控制模块堆叠次数 width_multiple: 0.25 # 控制通道数 # 主干网络 (Backbone) backbone: # [来源, 重复次数, 模块名, 参数列表] - [-1, 1, Conv, [64, 3, 2]] # 0-P1/2 - [-1, 1, Conv, [128, 3, 2]] # 1-P2/4 - [-1, 3, C2f, [128, True]] - [-1, 1, Conv, [256, 3, 2]] # 3-P3/8 - [-1, 6, C2f, [256, True]] - [-1, 1, Conv, [512, 3, 2]] # 5-P4/16 - [-1, 6, C2f, [512, True]] - [-1, 1, Conv, [1024, 3, 2]] # 7-P5/32 - [-1, 3, C2f, [1024, True]] - [-1, 1, SPPF, [1024, 5]] # 9 # 改进的颈部网络 (Neck) - 替换了原来的 PANet neck: - [-1, 1, nn.Upsample, [None, 2, 'nearest']] # 上采样，为融合做准备 - [[-1, 6], 1, Concat, [1]] # 拼接 P4 和 上采样后的 P5 - [-1, 3, C2f, [512]] # 12 - [-1, 1, nn.Upsample, [None, 2, 'nearest']] - [[-1, 4], 1, Concat, [1]] # 拼接 P3 和 上采样后的特征 - [-1, 3, C2f, [256]] # 15 (P3/8 小目标层) - [-1, 1, Conv, [256, 3, 2]] # 下采样 - [[-1, 12], 1, Concat, [1]] # 拼接 - [-1, 3, C2f, [512]] # 18 (P4/16) - [-1, 1, Conv, [512, 3, 2]] # 下采样 - [[-1, 9], 1, Concat, [1]] # 拼接 - [-1, 3, C2f, [1024]] # 21 (P5/32) # 检测头 (Head) head: - [-1, 1, nn.Upsample, [None, 2, 'nearest']] # 为辅助头准备（可选） - [[-1, 15], 1, Concat, [1]] # 辅助头融合（小目标增强） - [-1, 3, C2f, [256]] # 辅助检测头分支 - [[17, 20, 23], 1, Detect, [nc]] # Detect(P3, P4, P5) - 主检测头 # 注意：上面的 [17,20,23] 需要根据你实际 Neck 输出的索引调整。这里仅为示例。

重要：这个 YAML 文件是一个示意结构，它展示了如何用配置文件组织一个类 PANet 的 Neck。然而，要使用我们上面定义的ImprovedPANet类，需要更深入地修改 Ultralytics 的模型构建逻辑。更直接的方法是继承并重写ultralytics/nn/tasks.py中的DetectionModel类，在_forward_once方法中用我们的ImprovedPANet替换默认的 Neck。由于篇幅限制，这里提供核心思路：

1. 将common.py中的ImprovedPANet类导入。
2. 在模型初始化时，根据channels_list创建ImprovedPANet实例。
3. 在 forward 函数中，将 backbone 的输出传入ImprovedPANet，再将输出传入 detect head。

对于快速实验，一个更简单的方法是直接修改 YOLO 源码中的 PANet 结构，在ultralytics/nn/modules.py中找到PANet或Concat等相关模块，加入注意力机制或可变形卷积。但这会破坏库的纯净性，不利于版本管理。

4. 训练与验证改进模型

假设我们已经通过继承或修改的方式，将ImprovedPANet集成到了 YOLO 模型中。接下来进行训练和验证。

4.1 准备小目标数据集

小目标检测需要专门的数据集。可以使用公开数据集，如：

• VisDrone：无人机视角，包含大量小目标。
• DOTA：遥感图像，目标尺度变化大。
• COCO：虽然不全是小目标，但其person等类别在远距离拍摄时就是小目标，可以使用其子集。

数据格式需转换为 YOLO 格式（每个图像对应一个.txt标注文件，内容为class_id x_center y_center width height，坐标归一化）。

创建数据集配置文件data/custom_small.yaml：

# 数据集配置文件 path: /path/to/your/dataset # 数据集根目录 train: images/train # 训练集图像路径，相对于 path val: images/val # 验证集图像路径，相对于 path test: images/test # 测试集图像路径（可选） # 类别列表 names: 0: pedestrian 1: car 2: bicycle # ... 你的其他类别

4.2 训练脚本与参数

创建训练脚本scripts/train_custom.py：

from ultralytics import YOLO import argparse def train(model_cfg, data_cfg, epochs=100, imgsz=640, batch=16, device='0'): """ 训练自定义模型 Args: model_cfg: 模型配置文件路径 (.yaml) data_cfg: 数据集配置文件路径 (.yaml) """ # 加载模型配置（从头训练） model = YOLO(model_cfg) # 开始训练 results = model.train( data=data_cfg, epochs=epochs, imgsz=imgsz, batch=batch, device=device, workers=8, optimizer='AdamW', # 对于小目标，AdamW有时比SGD更稳定 lr0=0.001, # 初始学习率 lrf=0.01, # 最终学习率因子 (lr0 * lrf) momentum=0.937, weight_decay=0.0005, warmup_epochs=3.0, box=7.5, # 框损失权重 cls=0.5, # 分类损失权重 dfl=1.5, # DFL损失权重 hsv_h=0.015, # 色调增强 hsv_s=0.7, # 饱和度增强 hsv_v=0.4, # 明度增强 degrees=0.0, # 旋转角度（小目标慎用大角度） translate=0.1, # 平移 scale=0.5, # 缩放 shear=0.0, # 剪切 perspective=0.0, # 透视 flipud=0.0, # 上下翻转概率 fliplr=0.5, # 左右翻转概率 mosaic=1.0, # Mosaic数据增强概率 mixup=0.0, # MixUp增强概率（小目标可调低或为0） copy_paste=0.0, # 复制粘贴增强概率 erasing=0.4, # 随机擦除概率，模拟遮挡 crop_fraction=0.8, # 随机裁剪比例，有助于小目标学习 verbose=True, save=True, save_period=10, pretrained=False # 使用自定义结构，不从预训练权重加载 ) return results if __name__ == '__main__': parser = argparse.ArgumentParser() parser.add_argument('--model', type=str, default='configs/yolov8n_custom_panet.yaml', help='model configuration file') parser.add_argument('--data', type=str, default='data/custom_small.yaml', help='dataset configuration file') parser.add_argument('--epochs', type=int, default=100, help='number of epochs') parser.add_argument('--imgsz', type=int, default=640, help='image size') parser.add_argument('--batch', type=int, default=16, help='batch size') parser.add_argument('--device', type=str, default='0', help='cuda device, i.e. 0 or 0,1,2,3 or cpu') args = parser.parse_args() train(args.model, args.data, args.epochs, args.imgsz, args.batch, args.device)

关键训练参数解释（针对小目标）：

• imgsz=640：增大输入图像尺寸（如 1280）可以保留更多小目标细节，但会大幅增加显存消耗和训练时间。需根据 GPU 能力权衡。
• degrees=0.0：谨慎使用旋转增强，大角度旋转可能使小目标移出画面或严重变形。
• mixup=0.0：降低或关闭 MixUp，因为混合图像会使小目标更加模糊不清。
• erasing=0.4,crop_fraction=0.8：使用随机擦除和裁剪，可以模拟遮挡和不同尺度的目标，提升模型鲁棒性。
• pretrained=False：由于 Neck 结构改变，可能无法直接加载官方的预训练权重。可以选择从 Backbone 部分加载，或者完全从头训练。

运行训练：

python scripts/train_custom.py --model configs/yolov8n_custom_panet.yaml --data data/custom_small.yaml --epochs 150 --imgsz 1280 --batch 8 --device 0

4.3 验证与指标分析

训练完成后，使用验证集评估模型性能，重点关注小目标相关的指标。

# 使用训练好的最佳模型进行验证 yolo val model=runs/detect/train/weights/best.pt data=data/custom_small.yaml imgsz=1280 device=0

需要关注的指标：

1. mAP@0.5:0.95 (mAP50-95)：综合衡量指标。
2. mAP@0.5 (mAP50)：宽松阈值下的精度。
3. mAP@0.75 (mAP75)：严格阈值下的精度，更能反映小目标的定位精度。
4. mAP@[small, medium, large]：这是关键！COCO 评估标准中，根据目标面积（像素数）将目标分为小（area < 32²）、中（32² < area < 96²）、大（area > 96²）。直接对比mAP@small的提升效果。
5. Recall：召回率，即模型能找到多少真实目标。小目标漏检率高，召回率是重要指标。

在runs/detect/train/目录下，results.csv和results.png文件记录了所有训练指标。绘制metrics/mAP50-95(B)和metrics/mAP50-95(S)的曲线，观察小目标检测性能的变化趋势。

5. 常见问题排查与调优策略

在实现和训练过程中，你几乎一定会遇到以下问题。

5.1 训练问题排查表

5.2 针对小目标的专项调优策略

1. 增大输入分辨率：这是最直接有效的方法，但成本高。可以尝试渐进式训练，先在小分辨率上训练，再微调大分辨率。
2. 设计更匹配的锚框：YOLO 默认锚框是针对 COCO 数据集设计的。对于小目标数据集，使用以下脚本重新聚类：

   from utils.autoanchor import kmean_anchors # 需要准备你的数据集标签路径 new_anchors = kmean_anchors('data/custom_small.yaml', 9, 640, 5.0, 1000) print(new_anchors)

   将得到的锚框值更新到模型配置文件的anchors部分。
3. 调整损失函数：
   • 增加小目标的损失权重：修改损失函数，根据目标面积给不同尺度的目标分配不同的权重。这需要修改 YOLO 的损失计算代码。
   • 使用 Focal Loss：缓解正负样本（尤其是小目标）极度不平衡的问题。
4. 数据增强优化：
   • 保留小目标：在随机裁剪时，确保裁剪区域包含至少一个目标。
   • 复制-粘贴增强：将小目标随机复制粘贴到图像的其他位置，增加小目标样本的多样性。但需注意合理性（如飞机不会出现在室内）。
   • 过采样：对包含小目标的图像进行过采样，增加其在训练中的出现频率。
5. 多尺度训练：在训练时随机选择不同的输入尺度（如 320, 640, 1280），让模型适应不同尺度的目标。

6. 创新点思路与论文写作方向

基于上述实践，你可以从以下几个方向提炼创新点，用于论文或毕设：

1. 注意力机制与特征融合的结合方式：我们使用了 CBAM，你可以研究：
   • 位置：是在 FPN 融合前、融合后，还是在每个卷积块后添加注意力？
   • 类型：对比 SE、CA、ECA 等不同注意力模块的效果。
   • 轻量化：设计一个参数量更少但针对小目标更有效的注意力模块。
2. 特征融合路径的改进：
   • 密集连接：借鉴 DenseNet 思想，在 FPN/PANet 中引入更密集的跨层连接。
   • 自适应加权融合：像 BiFPN 或 ASFF 一样，让网络学习不同尺度特征的融合权重，而不是简单相加或拼接。
   • 递归融合：多次重复自上而下和自下而上的过程，进行更深层次的特征融合。
3. 针对小目标的检测头设计：
   • 解耦头：将分类和回归任务解耦，为小目标设计更精细的回归分支。
   • 特征细化模块：在检测头前加入一个轻量级模块，专门用于增强小目标特征。
   • Anchor-Free 方法：研究如 FCOS、CenterNet 等无锚框方法在小目标检测上的表现，避免锚框匹配不准的问题。
4. 损失函数创新：
   • 尺度感知损失：根据目标尺寸动态调整回归损失和分类损失的权重。
   • IoU 变体：使用 GIoU、DIoU、CIoU 等对中心点距离更敏感的损失函数，提升小目标定位精度。
5. 数据层面的创新：
   • 生成对抗网络：使用 GAN 生成更逼真的小目标样本，解决数据不平衡问题。
   • 超分辨率预处理：在输入网络前，先对图像进行超分辨率重建，放大潜在的小目标区域。

在论文写作中，你的实验部分应该清晰呈现“消融实验”：

1. Baseline：原始 YOLOv8n 在你自己数据集上的指标（尤其是 mAP-small）。
2. 实验组 A：Baseline + 改进的 PANet（双向融合）。
3. 实验组 B：实验组 A + 注意力机制。
4. 实验组 C：实验组 B + 自定义锚框/损失函数。 通过表格和曲线图展示每一步改进带来的性能提升（mAP-small, mAP50, mAP50-95），并分析原因。同时，也要报告参数量（Params）和计算量（GFLOPs）的变化，说明你的改进在精度和效率上的权衡。

特征融合与小目标检测是一个经久不衰且充满潜力的方向，其价值在于它直击了深度学习模型在感知微小物体时的固有缺陷。成功的改进不在于堆砌最复杂的模块，而在于深入理解数据特性（你的小目标到底有多小、分布如何）和模型瓶颈（信息是在哪一层丢失的），然后进行有的放矢的设计和严谨的实验验证。从复现一个稳定的基线模型开始，逐步加入你的创新思考，并耐心地进行调试和对比，这才是产出有价值工作的可靠路径。

🚀 30+款热门AI模型一站整合，DeepSeek/GLM/Claude 随心用，限时 5 折。 👉 点击领海量免费额度