小目标检测是计算机视觉的关键挑战，YOLO系列模型在此领域的持续创新不断突破技术极限。代表性工作如LUD-YOLO，针对无人机边缘设备检测场景，集成了自适应空间融合机制、动态稀疏注意力模块和网络剪枝策略，显著优化了小目标的检测精度与推理效率。另一模型SOD-YOLO专为无人机视角设计，通过构建DSDM-LFIM骨干网络并增设专门的小目标检测分支，有效解决了密集小目标检测难题。

这些模型层面的突破不仅显著提升了YOLO框架对小目标的适应性，也为无人机监控、遥感图像分析等实际应用开辟了更广阔的空间。

为此，我系统梳理并精选了10篇聚焦于“YOLO+小目标检测”技术路线的研究论文。

扫码回复【小目标检测】

免费领取论文合集

1.LAM-YOLO: Drones-based Small Object Detection on Lighting-Occlusion Attention Mechanism YOLO

文章解析

论文提出了一种名为LAM - YOLO的小目标检测模型，针对无人机图像中小目标密集、重叠及光照变化等问题，通过引入光照遮挡注意力机制（LAM）、改进的SIB - IoU损失函数以及辅助小目标检测头等方法，显著提升了在复杂背景下的检测精度和收敛速度。

创新点

1. 设计了光照遮挡注意力模块（LAM），结合通道注意力、自注意力和交叉注意力机制以增强多尺度特征交互。

2. 引入改进的SIB - IoU损失函数，通过生成不同大小的辅助边界框加速模型收敛并提高定位精度。

3. 提出了辅助小目标检测头策略，在标准YOLOv8基础上增加两个专门用于极小目标的检测头以提升检测能力。

4. 实验结果表明，LAM - YOLO在VisDrone2019数据集上相比YOLOv8平均精度提升了7.1%。

2.Evaluation of YOLO Models with Sliced Inference for Small Object Detection

文章解析

本文研究了YOLOv5和YOLOX模型在小目标检测任务中的表现，并通过引入分片辅助推理（SAHI）和针对分片推理的微调方法来提升模型性能。实验表明，分片推理显著提高了AP50分数，特别是对YOLOv5模型效果更明显。结合分片微调和推理的方法带来了整体性能的大幅提升。

创新点

1. 首次系统性地评估了YOLOv5和YOLOX在小目标检测任务上的表现。

2. 引入了分片辅助推理（SAHI）技术以提升小目标检测性能。

3. 提出了针对分片推理的微调策略以进一步优化模型性能。

3. Small Object Detection with YOLO: A Performance Analysis Across Model Versions and Hardware

文章解析

本文对YOLO目标检测模型（v5至v11）进行了广泛的评估，比较了它们在不同硬件平台和优化库上的性能，研究了推理速度和检测精度，并分析了模型对图像中小目标的敏感性。通过识别效率、准确性和目标大小适应性之间的权衡，为基于特定硬件约束和检测需求的最佳模型选择提供了见解。

创新点

1. 首次详细分析了YOLO模型在不同版本和硬件平台上的性能差异。

2. 引入了对小目标（占图像面积1%、2.5%和5%）检测准确性的系统性研究。

3. 对比了多种优化库（如ONNX、OpenVINO、TensorRT）在不同硬件上的效果，为实际部署提供了指导。

4.YOLO - TLA: An Efficient and Lightweight Small Object Detection Model based on YOLOv5

文章解析

本文提出了一种改进的YOLOv5模型——YOLO - TLA，通过引入额外的小目标检测层、C3CrossCovn模块以及全局注意力机制，在保持模型紧凑的同时显著提升了小目标检测的准确性和鲁棒性。实验结果表明，该模型在MS COCO验证集上表现出色，参数和计算需求较低。

创新点

1. 设计了专门针对小目标的检测层以增强多尺度特征融合能力。

2. 引入C3CrossCovn模块降低参数和计算需求。

3. 采用全局注意力机制（GAM）优化特征提取能力。

4. 提出了四种轻量化策略以进一步简化模型复杂度。

5.Small Object Detection for Indoor Assistance to the Blind using YOLO NAS Small and Super Gradients

文章解析

本文提出了一种基于YOLO NAS Small架构与Super Gradients训练框架的轻量级高效模型，用于解决盲人在室内环境中对小目标（如家具、家电等）的实时检测问题。该方法强调低延迟和高精度，通过语音指导增强用户的空间感知能力。

创新点

1. 结合YOLO NAS Small与Super Gradients框架实现高效的小目标检测。

2. 专注于室内场景中小目标的实时检测，提升盲人导航安全性。

3. 提供低延迟、高精度的语音辅助技术以改善用户体验。

扫码回复【小目标检测】

免费领取论文合集+创新点

看完这些最新研究方向，就可以开始准备CVPR、ICLR、AAAI等顶会论文了，但是如果你在写论文时还是想不出idea，缺乏数据集，不知道如何选择期刊投稿，那么可以找到追梦AI！ 专注学术背景提升，为大学生、硕士、博士提供专业的学术辅导服务。（郑重声明：不代写！）

扫码预约

追梦AI导师一对一meeting

01 导师牛

追梦AI由国际顶尖科研背景的博士团队领衔创立，6位创始成员均具备世界名校博士学历，深耕科研领域多年。

篇幅有限仅列举部分导师

我们还与2000+各领域顶尖导师深度合作，结合您的需求匹配大牛导师,提供高效优质的学术服务。

导师团队汇聚全球QS前100高校学术精英，涵盖英国牛津大学、美国加州大学、约翰・霍普金斯大学、清华大学、北京大学、复旦大学等世界一流学府，近年来个人论文产出量在10篇以上。

扫码预约

【追梦AI】导师一对一论文指导⬇️

（文末有福利）

02 辅导牛

我们提供个性化论文指导服务、4V1多师一体服务、导师实时互动、录播无限次回看免费课后答疑、24h无时差上课。

无论你目标是CCF-A/B/C、SCI1-4区，还是EI会议，这些 “大牛导师” 都从选题、调研、idea验证、代码、实验、润色、投稿、直至中稿一站式科研服务。

03 结果牛

累计服务学员200000+，满意度高达96.3%，成功发表率高达87%

以结果为导向，配套代码提升指导，GPU环境资源，提供维护服务，直至中稿！

扫码预约

【追梦AI】导师一对一论文指导⬇️

04 公司牛

科研辅导机构那么多，为什么一定要选择追梦AI?

真实科学家联合创始人、真实科研大模型助手、真实学术会议合作、真实高校合作

05 福利牛

科研资料大放送：

1.《全方向顶会顶刊论文合集》

2.《1000+热门idea合集》

3. 《申博咨询规划一次》

报名免费赠送AI全栈基础课程

扫码领取

科研福利大礼包⬇️

科研逆袭，从找对领路人开始！

Q：零基础真的能发论文吗？

A：能！去年有位计算机方向研0小白，跟着导师从文献带读学起，6 个月后中稿SCI 二区期刊。

Q：导师和我方向不匹配怎么办？

A：我们有精准匹配系统：填完咨询表后，学术顾问会根据你的研究方向、目标期刊、基础水平，从2000+导师中筛出3-5位最契合的，你选满意的再开始辅导。

Q：追梦AI的科研大模型可以介绍一下吗？

A：OpenPaper，支持一键文献综述、一键文献阅读和创新点挖掘。在一键写作中，采用步骤式写作流程，从选题构思到论文成稿，为你提供清晰指引，智能编辑功能自动纠错润色，优化行文逻辑，半小时完成万字文献综述。文献阅读上，精准提炼核心要点，一键挖掘论文创新点。更有一键代码生成、论文复现等你来探索。。

Q：除了论文，还能获得什么？

A：优秀学员可获清北/MIT 等名校推荐信，推荐到实验室实习；表现突出的直接内推阿里达摩院、华为诺亚方舟等企业研发岗 —— 发论文只是起点！

Q：可以免费试听课程吗？

A：预收定金可以和名师meeting，我们郑重承诺meeting不满意可以免费更换老师/退款；

Q：收费贵吗？

A：不同的分区价格不同，我们会根据你的情况给你做详细的介绍，以及如何帮助你达到你的目标。填完咨询表后，学术顾问会根据你的发文目标做详细报价。

扫码预约

【追梦AI】导师一对一论文指导⬇️