无人机航拍中的目标检测面临诸多挑战，如检测目标小、尺度变化大以及计算能力受限等问题。针对现有小目标检测模型体积大、计算量高，难以在边缘设备上高效部署的问题，提出了一种基于YOLOv11改进的轻量化模型MA-YOLOv11s（multi-attention　YOLOv11s）。选择性地引入小目标检测层，在提高检测能力的同时控制计算量增长。设计了融合多种注意力机制的轻量级特征提取模块C2SCSA和C2MCA，增强了模型对复杂背景中小目标的特征提取能力，同时保持了较低的计算开销。采用Soft-NMS-SIOU替代传统的NMS方法，显著提升了模型在密集重叠目标场景中的检测精度与鲁棒性。在Vis　Drone2019数据集的实验中，与YOLOv11s模型相比，MA-YOLOv11s仅用2.291×10～6的参数量和22.4　GFLOPs的计算量就将精确率、召回率、m　AP