本文针对红外微小目标检测任务，提出了一种改进的Yolov11模型。通过删除P5层检测头、新增P1/P2层检测头，并引入MicroC3、HDC、ART三个模块，显著提升了小目标检测性能。其中MicroC3采用深度可分离卷积降低计算量，HDC通过混合空洞卷积增强感受野，ART模块融合人工特征增强低层特征表示。实验基于自建数据集（训练集8000+、验证集2000+小目标图像）进行验证，在1000张测试图

本文针对红外微小目标检测中传统下采样方法导致的信息丢失问题，提出结合SPDConv和HDC的优化方案。SPDConv通过空间到深度转换替代传统下采样，在减少分辨率的同时保留更多特征信息。实验结果显示，优化后模型参数量从19M降至6.9M，召回率从0.59提升至0.75，准确率也略有提高，但距离0.9的目标仍有差距。虽然改进效果有限，但验证了SPDConv在保留微小目标特征方面的潜力。

然后上下文选择知识检索，此处必须在SYSTEM里填写系统提示词，这里我使用“根据用户输入{input}和知识检索结果{context}输出回答，禁止出现"think"相关内容”输入“患者双下肢肿痛，面色萎黄，举步缓慢，舌质淡，苔薄白，右脉沉缓，左脉微弱，开什么药方？进入编排画布后，默认有一个开始节点，点击右边+号，选择知识检索，同时在"开始"节点添加一个变量，文本类型，变量名称叫input。知识库

然后上下文选择知识检索，此处必须在SYSTEM里填写系统提示词，这里我使用“根据用户输入{input}和知识检索结果{context}输出回答，禁止出现"think"相关内容”输入“患者双下肢肿痛，面色萎黄，举步缓慢，舌质淡，苔薄白，右脉沉缓，左脉微弱，开什么药方？进入编排画布后，默认有一个开始节点，点击右边+号，选择知识检索，同时在"开始"节点添加一个变量，文本类型，变量名称叫input。知识库

本文针对红外微小目标检测中传统下采样方法导致的信息丢失问题，提出结合SPDConv和HDC的优化方案。SPDConv通过空间到深度转换替代传统下采样，在减少分辨率的同时保留更多特征信息。实验结果显示，优化后模型参数量从19M降至6.9M，召回率从0.59提升至0.75，准确率也略有提高，但距离0.9的目标仍有差距。虽然改进效果有限，但验证了SPDConv在保留微小目标特征方面的潜力。