12月19-21日，在哥伦比亚波哥大举行的国际学术会议International Conference on Virtual Reality and Visualization (ICVRV 2025，CCF C类) 上，课题组最新研究成果CO-YOLO: Collaborative Enhancement Network for Efficient Low-Altitude Object Detection被该会议接收并以海报形式进行了展出。

随着无人机技术的飞速发展，低空物体探测已成为计算机视觉领域的研究重点，在智能交通、灾害响应和城市安全方面具有关键应用。然而，由于无人机捕获的图像中存在目标密集、物体遮挡、成像模糊和剧烈的尺度变化等问题，传统的物体检测算法往往无法确保检测准确性。 为了应对这些挑战，我们提出了一种新颖的对象检测框架，该框架创新地结合了双分支协作网络 (DBCN) 作为骨干架构。该模型利用细节分支和语义分支之间的协同作用，有效地利用了低级细节和高级语义的信息，实现了多尺度特征的深度融合。随后，在颈部引入了光谱-空间融合网络 (SSFN)，建立了光谱域和空间域之间的协作机制，以有效集成多分辨率特征。此外，我们提出了一种基于DCNv3 的动态可变形头 (D⟡-head)，它采用多组动态采样和任务驱动的调制策略，以提高对目标变形、旋转和部分遮挡的鲁棒性。CARPK、Widerperson和Visdrone数据集的广泛实验证明了我们方法的优越性，分别取得了 99.4%、78.8% 和 36.2% 的 MAP50 ，显著优于基线模型 YOLO11 和几种最先进的方法。结果验证了我们的方法在复杂的低空场景中的高精度和稳健性，为低空物体检测提供了有效的解决方案。

coyolo网络结构

coyolo与yolo11检测效果对比

论文第一作者为2023级硕士生赵宇晗，通讯作者为武相军教授。

该届会议由IEEE和Connected Universal Experiences Labs联合主办。作为中国计算机学会（CCF）推荐的计算机图形学与多媒体领域C类学术会议，ICVRV 2025汇聚全球行业专家、科研学者与产业代表，共探虚拟现实（VR）、增强现实（AR）、混合现实（MR）及可视化技术的前沿趋势与应用落地。