1. 为什么红外小目标检测这么“难啃”？

如果你玩过无人机航拍，或者看过一些军事侦察的纪录片，可能会注意到，屏幕上那些远距离的、只有几个像素点大小的目标，比如高空中的无人机、海面上的小艇，或者森林里的热源信号，识别起来特别费劲。这背后，就是“小目标检测”这个老大难问题。而在红外遥感图像里做这件事，难度更是直接拉满。

我刚开始接触这个领域时，也踩过不少坑。传统的目标检测算法，比如YOLOv5，在常规的可见光图片上表现堪称“六边形战士”，速度快、精度高。但一旦把它直接丢到红外图像里去找那些“小不点”，效果就大打折扣了。问题主要出在几个方面：

首先，红外图像天生“底子差”。它不像我们手机拍的照片那样色彩丰富、对比鲜明。红外图像反映的是物体的热辐射，整体画面常常是灰蒙蒙的一片，目标与背景的温差可能很小，导致目标边缘模糊不清，就像隔着一层毛玻璃看东西。其次，噪声干扰无处不在。传感器热噪声、环境辐射干扰，都会在图像上产生大量雪花点一样的噪点，这些噪点很容易被算法误认为是小目标，造成“狼来了”一样的误报。最后，也是最核心的，目标实在太小了。在动辄几百万像素的红外图像中，一个关键目标可能只占据几十甚至几个像素。对于YOLOv5这类网络，经过层层下采样，传到检测头的高层特征图上，这个小目标的信息可能已经丢失殆尽，网络根本“看”不见它。

所以，直接拿现成的YOLOv5去处理红外小目标，就像用渔网去捞小鱼苗，网眼太大，全漏掉了。漏检（该发现的没发现）和误检（把噪声当目标）就成了家常便饭。这在实际应用中是非常危险的，想想看，在边防监控中漏掉一个非法越境的小型无人机，或者在环境监测中误判一个热源点，都可能带来严重的后果。

因此，我们必须对YOLOv5动手术，而且是针对性的“显微手术”，核心就是改造它的“眼睛”——检测头，让它能更敏锐地捕捉到那些微弱、细小的信号。这就是我们接下来要深入探讨的：如何设计一个专为复杂场景下红外小目标定制的改进检测头。

2. 动刀之前：先理解YOLOv5的“视力”瓶颈

要给YOLOv5做改进，不能蛮干，得先搞清楚它原来的检测头为什么“看”不清小目标。我们可以把目标检测网络想象成一个侦察兵。YOLOv5原版的结构，可以简单理解为“骨干网络（Backbone）”负责观察全局、提取特征，“颈部网络（Neck）”负责融合不同层次的信息，而“检测头（Head）”则是最终做出判断、报告目标位置和类别的决策者。

YOLOv5默认有三个检测头，分别对应大、中、小三种尺度的目标。它们连接在颈部网络（FPN+PANet结构）的不同层上：

• P5/32：特征图尺寸最小（例如输入640x640时，这里是20x20），感受野最大，擅长检测图像中的大型目标。
• P4/16：中等尺度（40x40），检测中型目标。
• P3/8：相对最大的特征图（80x80），负责检测小目标。

问题就出在这里。对于红外遥感图像中那些极端微小的目标（可能只在原图上占10x10像素甚至更小），即便是P3/8这个“小目标检测头”，其对应的特征图经过了几次下采样，小目标的细节和位置信息也已经变得非常稀疏和模糊。一个像素在特征图上可能就代表了原图上一大片区域，那个小小的目标信号早就被“稀释”掉了。

更直观地说，假设输入图像是1920x1080（全高清），经过5次步长为2的下采样后，P3层的特征图大小约为60x34（1080/2^5≈34）。这意味着，原图中一个10x10像素的小目标，在P3特征图上可能连一个完整的像素点都占不到，其激活响应微乎其微，很容易在后续处理中被过滤掉。

此外，YOLOv5预设的锚框（Anchor） 也是基于COCO等通用数据集统计出来的，它们更适合常规尺寸的目标。对于红外图像中密集、微小且尺寸分布迥异的目标，这些默认锚框的尺寸和比例可能并不匹配，导致网络在训练时难以收敛到最优，预测时也容易定位不准。

所以，我们的改进思路就清晰了：第一，增加一个专门针对“超小目标”的检测分支，利用更高分辨率的特征图；第二，优化特征融合策略，让这个新分支能充分结合浅层的细节信息和深层的语义信息；第三，针对我们的数据集，重新聚类设计更合适的锚框尺寸。下面，我就带你一步步实现这个定制化的检测头。

3. 核心手术：设计四检测头与高分辨率特征融合路径

理论说再多，不如一行代码。我们直接切入实战，看看如何修改YOLOv5的模型配置文件（通常是 models/yolov5s.yaml 这样的文件），来植入我们的小目标检测头。

原始的YOLOv5s的head部分是这样的（简化版）：

head:
  [[-1, 1, Conv, [256, 1, 1]],
   [-1, 1, nn.Upsample, [None, 2, 'nearest']],
   [[-1, 6], 1, Concat, [1]],  # 融合骨干网第6层特征（P4）
   ...
   [[-1, 4], 1, Concat, [1]],  # 融合骨干网第4层特征（P3）
   ...
   [[17, 20, 23], 1, Detect, [nc, anchors]],  # 三个检测头分别对应P3, P4, P5
  ]

我们的目标是增加一个基于更浅层特征（比如骨干网的第2层）的检测头，我们称之为 P2/4 检测头。这意味着我们需要构建一条通往更高分辨率特征图的路径。

下面是修改后的 yolov5s_small_obj.yaml 配置文件的关键部分，我加了详细注释：

# 参数
nc: 1  # 类别数，例如我们只检测‘无人机’
depth_multiple: 0.33  # 控制BottleneckCSP模块的深度
width_multiple: 0.50  # 控制卷积层的通道数

# 锚框 - 现在有4组，对应4个检测头
anchors:
  - [4,5,  6,8,  9,12]      # P2/4 层锚框，针对极小目标
  - [10,13, 16,30, 33,23]   # P3/8 层锚框
  - [30,61, 62,45, 59,119]  # P4/16层锚框
  - [116,90, 156,198, 373,326] # P5/32层锚框

# YOLOv5 骨干网络 (Backbone) - 这部分通常不变
backbone:
  [[-1, 1, Focus, [64, 3]],
   [-1, 1, Conv, [128, 3, 2]],
   [-1, 3, C3, [128]],                    # 第2层，输出特征图尺寸为输入的1/4 (例如160x160)
   [-1, 1, Conv, [256, 3, 2]],
   [-1, 9, C3, [256]],                    # 第4层，1/8 (80x80)
   [-1, 1, Conv, [512, 3, 2]],
   [-1, 9, C3, [512]],                    # 第6层，1/16 (40x40)
   [-1, 1, Conv, [1024, 3, 2]],
   [-1, 1, SPPF, [1024, [5, 9, 13]]],
   [-1, 3, C3, [1024, False]],            # 第9层，1/32 (20x20)
  ]

# YOLOv5 检测头 (Head) - 改进的核心在这里
head:
  # 第一条上采样路径：从深层到中层
  [[-1, 1, Conv, [512, 1, 1]],                     # 对第9层输出进行1x1卷积降维
   [-1, 1, nn.Upsample, [None, 2, 'nearest']],      # 上采样2倍 -> 40x40
   [[-1, 6], 1, Concat, [1]],                      # 与骨干网第6层（40x40）特征融合
   [-1, 3, C3, [512, False]],                      # 融合后特征处理

   [-1, 1, Conv, [256, 1, 1]],                     # 降维到256通道
   [-1, 1, nn.Upsample, [None, 2, 'nearest']],      # 再次上采样2倍 -> 80x80
   [[-1, 4], 1, Concat, [1]],                      # 与骨干网第4层（80x80）特征融合
   [-1, 3, C3, [256, False]],                      # 得到 P3 特征图

  # ==== 新增的第四条路径：通往更高分辨率 ====
   [-1, 1, Conv, [128, 1, 1]],                     # 对P3特征图降维到128通道
   [-1, 1, nn.Upsample, [None, 2, 'nearest']],      # 上采样2倍 -> 160x160
   [[-1, 2], 1, Concat, [1]],                      # **关键！** 与骨干网第2层（160x160）融合
   [-1, 3, C3, [128, False]],                      # 处理融合特征，得到 P2 特征图
   # 至此，我们得到了用于检测极小目标的 P2 特征图（160x160）

  # 下采样路径：将高层语义信息传递下去
   [-1, 1, Conv, [128, 3, 2]],                     # 对P2进行3x3卷积，步长2下采样 -> 80x80
   [[-1, 10], 1, Concat, [1]],                     # 与之前的P3特征图（第10层输出）融合
   [-1, 3, C3, [256, False]],                      # 处理融合特征

   [-1, 1, Conv, [256, 3, 2]],                     # 下采样 -> 40x40
   [[-1, 6], 1, Concat, [1]],                      # 与P4特征图（第6层输出）融合
   [-1, 3, C3, [512, False]],

   [-1, 1, Conv, [512, 3, 2]],                     # 下采样 -> 20x20
   [[-1, 4], 1, Concat, [1]],                      # 与P5特征图（第4层输出？此处应为第9层，需注意索引）融合
   [-1, 3, C3, [1024, False]],

  # 四个检测头输出
   [[17, 20, 23, 26], 1, Detect, [nc, anchors]],  # Detect(P2, P3, P4, P5)
  ]

这段代码干了什么？

1. 新增上采样分支：我们在原有的P3检测头之后，继续向上采样，并与骨干网络中非常浅的第2层特征进行拼接（Concat）。第2层特征图尺寸大（是输入的1/4），包含丰富的边缘、纹理等细节信息，这对识别像素级的小目标至关重要。
2. 构建新的检测头（P2）：融合后的特征经过C3模块处理，形成一个新的、高分辨率的特征图（例如160x160），专门用于预测那些在原图中尺寸小于16x16像素的“超小目标”。
3. 完善特征金字塔：新增P2头之后，我们形成了一个 P2（160x160）-> P3（80x80）-> P4（40x40）-> P5（20x20） 的四层特征金字塔。同时，通过额外的下采样和融合操作（代码中下采样路径），确保了从P2到P5各层之间的信息能够双向流动（即FPN+PANet结构在四层上的扩展），同时兼顾了高分辨率细节和高级语义信息。
4. 更新锚框：在配置文件开头，我们为新增的P2检测头定义了一组更小的锚框（如 [4,5, 6,8, 9,12]）。这组锚框的尺寸是通过在我们自己的红外小目标数据集上使用K-means聚类重新计算得到的，更贴合实际目标的宽高分布。

这个改进的核心思想是：为小目标开辟“专用车道”。让网络有一条直达最精细特征的路径，避免小目标信号在深层网络中被淹没。

4. 实战调优：从数据准备到训练技巧

模型结构改好了，但能不能work，还得看训练。对于红外小目标检测，数据准备和训练策略的细节决定成败。

4.1 数据标注与预处理：打好地基

红外图像数据集往往稀少且标注困难。我们使用的可能是一个自建的“红外弱小目标数据集”，目标主要是无人机，总共约1500张有效图像。标注工具推荐使用 LabelImg 或 CVAT，保存为YOLO格式（每个图像对应一个.txt文件，内容为 class_id x_center y_center width_height，坐标是归一化后的）。

数据文件夹结构必须规范：

dataset/
├── images/
│   ├── train/
│   ├── val/
│   └── test/
└── labels/
    ├── train/
    ├── val/
    └── test/

对于小目标，标注要格外精细。框要尽可能紧贴目标边缘，哪怕目标只有3-5个像素大。因为框的轻微偏差，对于小目标来说就是巨大的比例误差。

4.2 数据增强：给小目标“开外挂”

1500张图对于深度学习来说太少了，我们必须使用强大的数据增强来“无中生有”。YOLOv5内置的Mosaic和MixUp非常强大，但对于小目标，我们需要更有针对性的策略：

1. 启用Mosaic和MixUp：这是YOLOv5的默认增强，能极大提升模型鲁棒性。在 data/hyp.scratch.yaml 配置文件中，确保 mosaic: 1.0 和 mixup: 0.1 左右的值在训练初期是开启的。
2. 自定义增强：在 utils/augmentations.py 中，我们可以增加或调整一些针对小目标的增强：
   • 随机缩放（Random Affine）：小幅度的缩放（如0.5到1.5倍）和剪切，模拟目标远近变化。
   • HSV色彩空间扰动：虽然红外图是灰度图，但调整其“亮度”和“饱和度”（在HSV空间对应V和S通道），可以模拟不同热辐射强度和目标对比度的变化。
   • 小目标复制粘贴（Copy-Paste）：这是对小目标检测非常有效的一招。随机选择一些小目标实例，复制并粘贴到同一图像的其他位置。注意要避免重叠，并相应地在标签文件中添加新的边界框。这能直接增加训练图中小目标的密度和数量。

一个简化的示例，展示如何在训练循环中实现随机复制粘贴（概念代码）：

import random
import cv2
import numpy as np

def copy_paste_small_objects(image, labels, max_paste=3):
    """
    image: 输入图像
    labels: 形状为 [N, 5] 的数组，每行是 [class_id, x_center, y_center, width, height]
    返回增强后的图像和标签
    """
    h, w = image.shape[:2]
    new_labels = labels.copy()
    small_obj_indices = [i for i, lb in enumerate(labels) if lb[3]*h < 32 and lb[4]*w < 32] # 宽高小于32像素的视为小目标

    for _ in range(random.randint(0, max_paste)):
        if not small_obj_indices:
            break
        idx = random.choice(small_obj_indices)
        cls_id, xc, yc, bw, bh = labels[idx]
        # 计算边界框的像素坐标
        x1 = int((xc - bw/2) * w)
        y1 = int((yc - bh/2) * h)
        x2 = int((xc + bw/2) * w)
        y2 = int((yc + bh/2) * h)
        obj_patch = image[y1:y2, x1:x2]
        if obj_patch.size == 0:
            continue
        # 随机选择粘贴位置
        new_x1 = random.randint(0, w - (x2-x1))
        new_y1 = random.randint(0, h - (y2-y1))
        new_x2 = new_x1 + (x2-x1)
        new_y2 = new_y1 + (y2-y1)
        # 确保新位置不与现有目标严重重叠（可选）
        # 粘贴图像块（简单覆盖，更复杂的可以融合）
        image[new_y1:new_y2, new_x1:new_x2] = obj_patch
        # 添加新标签
        new_xc = (new_x1 + new_x2) / 2 / w
        new_yc = (new_y1 + new_y2) / 2 / h
        new_labels = np.vstack([new_labels, [cls_id, new_xc, new_yc, bw, bh]])
    return image, new_labels

4.3 训练配置与技巧

启动训练的命令如下，关键参数需要仔细设置：

python train.py --img 640 --batch 16 --epochs 200 --data ./data/my_infrared_data.yaml --cfg ./models/yolov5s_small_obj.yaml --weights yolov5s.pt --name infrared_small_obj_v1 --hyp data/hyp.scratch.yaml

• --img 640：输入图像尺寸。对于小目标，更大的输入尺寸有益，但会显著增加显存消耗和计算量。如果显存足够，可以尝试 --img 1280。如果显存紧张，可以结合下面提到的“图像切割”策略。
• --batch 16：批大小。在显存允许范围内尽可能设大，有助于训练稳定。
• --epochs 200：迭代轮数。小目标检测可能需要更多轮次才能收敛，可以观察验证集mAP曲线，提前停止。
• --hyp：超参数文件。重点关注：
  • lr0（初始学习率）：对于微调（--weights yolov5s.pt），可以从0.01或0.001开始。如果从头训练，可能需要更小的值。
  • anchors_t：YOLOv5默认会自适应锚框，但我们已经在新配置文件中定义了，这里通常设为3.0左右，控制锚框匹配的阈值。
  • fl_gamma：Focal Loss的gamma参数，用于解决正负样本不平衡。小目标检测中正样本（目标）极少，可以适当调大此值（如从0.0调到1.5或2.0），让模型更关注难分类的小目标。
• 损失函数权重：在 utils/loss.py 中，ComputeLoss 类包含框回归（box）、置信度（obj）和分类（cls）损失。对于单类别小目标检测，可以尝试略微提高box损失的权重，因为精准定位对小目标尤为关键。

训练过程中，要密切关注 train_batch*.jpg 图片，查看数据增强和锚框匹配是否正常。更重要的，是看验证集指标 val/ 下的 P (精确率)、R (召回率) 和 mAP@0.5。小目标检测的核心矛盾是召回率（R）。我们的首要目标是减少漏检，所以召回率的提升是重点观察对象。如果召回率一直很低，说明很多目标没被检测到，可能需要回头检查数据标注、锚框尺寸或模型结构。

5. 进阶策略：图像切割与推理加速

即使增加了P2检测头，当处理超高分辨率（如4K）的红外全景图像时，直接下采样到网络输入尺寸（如640），小目标信息丢失仍然严重。而直接输入大图，显存又吃不消。这时，“图像切割（Image Tiling）” 策略就派上用场了。

5.1 训练与推理中的切割策略

训练时切割：我们可以将每张高分辨率训练图随机切割成多个重叠的小块（如640x640），分别进行标注和训练。这相当于免费增加了数据量，并让网络专注于学习局部区域的小目标特征。YOLOv5本身支持这种操作，可以通过在数据配置yaml文件中设置 rect: True 并调整 mosaic 逻辑来实现，但更灵活的方式是在数据加载器（utils/datasets.py）中自定义一个切割函数。

推理时切割：这是更常用的方式。在 detect.py 或部署时，对大图进行滑动窗口切割，对每个子图进行检测，最后将所有子图的检测结果映射回原图坐标，再进行全局的非极大值抑制（NMS）去除重复框。

这里提供一个简化的推理时切割函数示例，可以集成到你的检测流程中：

import torch
import numpy as np
from utils.general import non_max_suppression

def detect_large_image(model, img, img_size=640, overlap_ratio=0.2, conf_thres=0.25, iou_thres=0.45):
    """
    对大图像进行滑动窗口检测
    model: 加载的YOLOv5模型
    img: 原始大图，numpy数组格式 (H, W, C)
    img_size: 网络输入尺寸
    overlap_ratio: 滑动窗口重叠率，避免切割边缘目标被截断
    """
    h, w = img.shape[:2]
    stride = int(img_size * (1 - overlap_ratio))  # 滑动步长
    detections = []  # 存储所有子图的检测结果

    for y in range(0, h, stride):
        for x in range(0, w, stride):
            # 计算当前子图的边界，防止越界
            x1, y1 = x, y
            x2 = min(x + img_size, w)
            y2 = min(y + img_size, h)
            # 如果子图尺寸不足，从边缘裁剪
            if x2 - x1 < img_size:
                x1 = max(0, x2 - img_size)
            if y2 - y1 < img_size:
                y1 = max(0, y2 - img_size)
            patch = img[y1:y2, x1:x2]
            # 将子图resize到网络输入尺寸
            patch_resized = cv2.resize(patch, (img_size, img_size))
            # 转换为模型输入格式 (这里省略了归一化等预处理)
            # tensor_patch = ...
            # 推理
            with torch.no_grad():
                pred = model(tensor_patch, augment=False, visualize=False)[0]
            # NMS
            pred = non_max_suppression(pred, conf_thres, iou_thres, classes=None, agnostic=False, max_det=1000)
            # 将检测框坐标转换回原图（大图）坐标系
            for det in pred[0]:
                if det is not None and len(det):
                    # det: [x1, y1, x2, y2, conf, cls] 相对于子图(img_size)
                    # 转换到相对于原图patch的坐标
                    det[[0, 2]] = det[[0, 2]] * (x2 - x1) / img_size + x1
                    det[[1, 3]] = det[[1, 3]] * (y2 - y1) / img_size + y1
                    detections.append(det)
    # 将所有子图的检测结果合并
    if detections:
        detections = torch.cat(detections, dim=0)
        # 在整个原图范围内进行全局NMS
        global_nms = non_max_suppression(detections.unsqueeze(0), conf_thres, iou_thres)[0]
        return global_nms
    else:
        return torch.empty((0, 6))

切割的优缺点：

• 优点：显著提升对小目标的检测能力，尤其是极微小目标。避免了直接下采样带来的信息损失。
• 缺点：计算量成倍增加，推理时间变长。例如，一张1920x1080的图，以640尺寸、0.2重叠率切割，大约需要处理12个子图。同时，切割边缘的目标可能被截断，虽然重叠可以缓解，但无法完全避免。

5.2 模型轻量化与部署考量

增加了检测头，可能还用了切割策略，模型的计算负担肯定更重了。在实际部署，尤其是边缘设备（如无人机机载计算机、嵌入式监控设备）上，需要权衡精度和速度。

1. 模型剪枝与量化：训练完成后，可以对模型进行剪枝，移除那些对输出贡献小的神经元或通道。然后进行INT8量化，将FP32的权重和激活转换为INT8，能大幅减少模型体积和提升推理速度，对精度影响通常可控。可以使用PyTorch的Torch.fx或第三方工具（如NNCF）进行操作。
2. 使用更高效的网络架构：可以考虑将YOLOv5的Backbone替换为更轻量的网络，如MobileNetV3、ShuffleNetV2，或者使用YOLOv5自身更小的变体（如YOLOv5n）。但要注意，轻量化可能会牺牲特征提取能力，对小目标检测不友好，需要仔细测试。
3. TensorRT加速：在NVIDIA GPU上部署，强烈推荐使用TensorRT。将训练好的PyTorch模型先导出为ONNX格式，再用TensorRT解析和优化，生成高度优化的引擎文件，通常能获得数倍的推理速度提升。YOLOv5官方提供了 export.py 脚本，可以直接导出为TensorRT支持的格式。

一个简单的ONNX导出命令如下：

python export.py --weights runs/train/infrared_small_obj_v1/weights/best.pt --include onnx --img 640 --batch 1 --dynamic

导出的ONNX模型可以进一步用TensorRT工具链转换和优化。

6. 效果评估与“避坑”指南

经过一系列改进和训练，模型终于出炉了。怎么知道它到底行不行？光看训练日志里的mAP还不够，我们需要更细致的分析。

核心评估指标：

• mAP@0.5 (mAP50)：这是最常用的指标，表示IoU阈值为0.5时的平均精度。对于小目标，这个指标可能“虚高”，因为框稍微偏一点，IoU就容易低于0.5。
• mAP@0.5:0.95 (mAP)：IoU阈值从0.5到0.95，步长0.05的平均值。这个指标更严格，能更好地反映定位精度，对小目标检测更有参考价值。
• Recall (召回率)：这是小目标检测的生命线。务必关注验证集上的召回率曲线。召回率低意味着漏检多。可以通过降低推理时的置信度阈值（--conf-thres，如从0.25降到0.1）来提升召回，但会引入更多误检，需要权衡。
• 可视化分析：运行 python detect.py --weights best.pt --source path/to/test_images --save-txt --save-conf，然后在 runs/detect/exp 文件夹里查看检测结果。重点看两类图片：一是成功检测出所有小目标的案例，二是漏检或误检严重的案例。把有问题的案例挑出来，分析原因：是目标对比度太低？被噪声干扰？还是多个目标挤在一起？

我踩过的“坑”与解决方案：

1. 召回率上不去：

   • 检查锚框：使用 utils/autoanchor.py 脚本，在你的数据集上重新聚类生成锚框。命令如 python utils/autoanchor.py --data ./data/my_data.yaml --weights best.pt。用聚类出的新锚框替换配置文件中的 anchors 部分，重新训练。
   • 调整损失函数：尝试增大Focal Loss的 gamma 参数，让模型更关注难例（小目标）。
   • 数据增强：确保Mosaic、MixUp等强增强在训练前期是开启的。可以尝试增加小目标复制粘贴增强。
   • 降低置信度阈值：在推理时，适当降低 --conf-thres。

2. 误检太多（把噪声当目标）：

   • 增加负样本：在数据集中加入一些完全不包含任何目标的“纯背景”或“纯噪声”图像，并在标注时给予一个特殊的背景类（或在YOLO中，这些图像对应的标签文件为空.txt文件）。这能教会模型什么是“没有目标”。
   • 后处理滤波：根据你的场景先验知识添加规则。例如，在海上检测船只，可以过滤掉出现在“陆地”区域的检测框；或者根据目标的最小/最大尺寸、长宽比进行过滤。
   • 提高IoU阈值：在NMS阶段，提高 --iou-thres（如从0.45提高到0.6），让重叠框的抑制更严格。

3. 训练不稳定或发散：

   • 学习率太大：小目标检测任务敏感，尝试使用更小的初始学习率（--lr0），并配合余弦退火等学习率调度器。
   • 批次大小（Batch Size）太小：在显存允许下尽量调大，或者使用梯度累积（--accumulate 参数）来模拟更大的批次。
   • 检查数据标注：是否存在大量标注错误或不一致的框？清洗数据是关键的第一步。

4. 推理速度太慢：

   • 模型剪枝与量化：如前所述，这是最有效的加速手段之一。
   • 调整输入尺寸：如果不是必须，不要使用过大的 --img-size。640是一个较好的平衡点。
   • 优化切割策略：如果使用了图像切割，尝试减少重叠率（overlap_ratio），或者只在疑似有小目标的区域进行切割（例如，可以先用一个轻量级网络或传统算法做区域提议）。

红外小目标检测没有银弹，它是一个需要不断迭代、根据具体场景和数据精心调优的过程。从改进检测头结构开始，到数据增强、损失函数调参，再到后处理优化，每一步都需要耐心和实验。当你看到改进后的模型在茫茫噪点中精准地框出那个微弱的红外信号点时，那种成就感，就是驱动我们不断解决这些复杂问题的最大动力。希望这篇结合了原理与实战的分享，能为你攻克小目标检测的难关提供一条清晰的路径。