逃不开的小目标漏检：为什么 YOLOv11 频频丢失小目标？附 3 个实用的增强策略
原创
逃不开的小目标漏检：为什么 YOLOv11 频频丢失小目标？附 3 个实用的增强策略
探物 AI
发布于 2026-05-07 00:24:33
发布于 2026-05-07 00:24:33
概述
导语：在目标检测的工程落地中，我们似乎总是陷入一个逃不开的“漏检魔咒”：“大目标游刃有余，小目标却频频丢失”。即便架构进化到了最新的 YOLOv11，在面对无人机航拍、远距离行人或工业产线上的微小瑕疵时，原版模型依然容易抓瞎。面对这种情况，许多开发者的第一反应是简单粗暴地拉高输入分辨率。但今天，我们将从底层架构出发，探讨为什么单纯放大图像治标不治本，并分享 3 个真正能从特征层面上拯救 YOLOv
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
评论
登录后参与评论
推荐阅读
相关产品与服务
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号