Los vehículos aéreos no tripulados (VANT) no autorizados representan amenazas para la seguridad pública y la privacidad individual. Los enfoques tradicionales de detección de objetos a menudo son insuficientes en su aplicación en tecnologías anti-VANT. Para abordar este problema, proponemos el modelo YOLOv7-GS, que está diseñado específicamente para la identificación de pequeños VANT en entornos complejos y de baja altitud. Esta investigación tiene como objetivo principal mejorar las capacidades de detección del modelo para pequeños VANT en fondos complejos. Se aplicaron mejoras al modelo YOLOv7-tiny, incluyendo ajustes en los tamaños de las cajas previas, la incorporación del módulo InceptionNeXt al final de la sección del cuello y la introducción de los módulos SPPFCSPC-SR y Get-and-Send. Estas modificaciones ayudan a preservar los detalles sobre los pequeños VANT y aumentan el enfoque del modelo en ellos. El modelo YOLOv7-GS logra resultados encomiables en los conjuntos de datos DUT Anti-VANT y Amateur Unmanned Air Vehicle Detection y se desempeña de manera competitiva frente a otros algoritmos convencionales.