改进YOLOv8的航拍图像小目标检测算法

doi:10.3778/j.issn.1002-8331.2311-0281

摘要/摘要

摘要：针对在航拍图像检测任务中，物体和整体图像尺寸都比较小，尺度特征不一和细节信息不清晰，会造成漏检和误检等问题，提出了一种改进小目标检测算法CA-YOLOv8设计了一种通道特征部分卷积模块CFPConv（信道特征部分卷积）基于此重新构造了C2f中国瓶颈网络，名称CFP_C2f，YOLOv8头部和颈部的部分C2f公司模块，增强有效通道特征权值，提升多尺度细节特征的获取能力。嵌入一种用以提升上下文聚合能力的模块CAM（上下文聚合模块）优化特征通道的响应，强化对深层特征的细节感知能力。添加西北地区损失函数，将其与CIoU公司结合作为定位回归损失函数，降低位置偏差的敏感性。充分运用多重注意力机制的优势，把原有检测头替换为DyHead（动态水头）在VisDrone2019年数据集的实验中，改进的算法较YOLOv8系列原模型参数量降低了33.3%，mAP50和mAP50:95分别为8.7和5.7个百分点，表现出良好的性能，验证了其有效性。

关键词: 小目标检测, YOLOv8英寸，特征通道融合, 多重注意力

摘要：在航空图像检测任务中，物体和整体图像尺寸较小，尺度具有不同的特征，细节信息不清晰，会导致泄漏和误识别问题，提出了一种改进的小目标检测算法CA-YOLOv8。设计了信道特征部分卷积（CFPConv）。在此基础上，重构了C2f中的瓶颈结构，命名为CFP_C2f。这样，替换了YOLOv8头部和颈部中的一些C2f模块，增强了有效的通道特征权重，提高了获取多尺度细节特征的能力。嵌入上下文聚合模块（CAM）以提高上下文聚合能力，优化特征通道的响应，增强感知深层特征细节的能力。添加NWD损失函数，并与CIoU组合作为定位回归损失函数，以降低位置偏差的敏感性。充分利用多注意机制的优点，将原来的检测头替换为DyHead（动态头）。在VisDrone2019数据集的实验中，改进算法与原始YOLOv8s模型相比，参数数量减少了33.3%，mAP50和mAP50:95的检测精度分别提高了8.7和5.7个百分点，表现出良好的性能，验证了其有效性。

关键词： 小目标检测， YOLOv8算法，特征通道融合，多重关注

付锦燚, 张自嘉, 孙伟, 邹凯鑫. 改进YOLOv8公司的航拍图像小目标检测算法[J] ●●●●。计算机工程与应用, 2024, 60(6): 100-109.

傅金毅、张子嘉、孙伟、邹开新。航空图像中改进的YOLOv8小目标检测算法[J]。计算机工程与应用，2024，60（6）：100-109。

参考文献

[1] 彭C，朱敏，任华，等.基于加权特征融合和CSMA注意模块的小目标检测方法[J]。电子学，2022，11（16）：25-46。
[2] ZHANG Q，ZHANG H Y，LU X W.用于小目标检测的自适应特征融合[J]。应用科学，2022，12（22）：11854。
[3] 陈朋磊, 王江涛, 张志伟, 等. 基于特征聚合与多元协同特征交互的航拍图像小目标检测[J] ●●●●。电子测量与仪器学报, 2023, 37(10): 183-192.
陈宝林，王建堂，张志伟，等.基于特征聚合和多特征协同交互的航空图像小目标检测[J]。电子测量与仪器杂志，2023，37（10）：183-192。
[4] 张建清，雷杰，谢伟毅，等.超分辨率多模态遥感图像目标检测[J]。IEEE地球科学与遥感汇刊，2023年，61:1-15。
[5] MAKTAB D O M，RAZAAK M，REMAGNINO P。使用超分辨率、特征融合和反褶积增强的航空图像单次激发小目标检测器[J]。传感器，2022，22（12）：4339。
[6] 刘志，高晓华，万毅，等.一种改进的YOLOv5方法在无人机捕获场景中的小目标检测[J]。IEEE接入，2023年，11:14365-14374。
[7] 齐向明, 柴蕊, 高一萌.重构SPPCSPC公司与优化下采样的小目标检测算法[J] ●●●●。计算机工程与应用, 2023, 59(20): 158-166.
QI X M，CHAI R，GAO Y M。用于小目标检测的SPPCSPC重构和优化下采样算法[J]。计算机工程与应用，2023,59（20）：158-166。
[8] KIM M，JEONG J，KIM S.ECAP-YOLO：用于航空图像中小目标检测的高效通道注意金字塔YOLO[J]。遥感，2021，13（23）：4851。
[9] 王刚，陈永发，AN P，等.无人机-YOLOv8：基于改进YOLOv 8的无人机航空摄影场景小目标检测模型[J]。传感器，2023，23（16）：7190。
[10] 郑振华，王平，任德伟，等.增强模型学习和推理中的几何因素对目标检测和实例分割的影响[J]。IEEE控制论汇刊，2020，52:8574-8586。
[11] 冯春杰，钟永杰，高毅，等.TOOD：任务对齐的一步目标检测[J]。IEEE/CVF国际计算机视觉会议（ICCV），2021:3490-3499。
[12] 陈刚，王海涛，陈凯，等。小目标检测的四大支柱综述：多尺度表示、上下文信息、超分辨率和区域建议[J]。IEEE系统汇刊，2022，52（2）：936-953。
[13] 梁嘉杰, 李星星. 特定任务上下文解耦的遥感图像目标检测方法[J/OL]。计算机工程与应用: 1-12（2023-10-25）[2023-12-03]。http://kns.cnki.net/kcms/detail/11.2127.TP.20231024。
1615.004.html。
梁俊杰，李晓霞。遥感图像特定任务上下文解耦目标检测方法[J/OL]。计算机工程与应用：1-12（2023-10-25）[2023-12-03]。http://kns.cnki.net/kcms/detail/11.2127.TP.20231024.1615。
004.html。
[14] 何儒汉, 熊捷繁, 熊明福.基于背景自适应学习的行人重识别算法研究[J] ●●●●。计算机工程与应用, 2023, 59(7): 126-133.
HE R H，XIONG J F，XIONG M F。基于背景自适应学习的人的重新识别研究[J]。计算机工程与应用，2023,59（7）：126-133。
[15] 刘毅，李海峰，胡聪，等.学习聚合多尺度上下文用于遥感图像实例分割[J]。arXiv:2111.110572021年。
[16] 张红民, 庄旭, 郑敬添, 等.优化YOLO公司网络的人体异常行为检测方法[J] ●●●●。计算机工程与应用, 2023, 59(7): 242-249.
张海明，庄X，郑建堂，等.优化YOLO网络的人类异常行为检测方法[J]。计算机工程与应用，2023,59（7）：242-249。
[17] 王建伟，许聪，杨伟，等.用于微小目标检测的归一化高斯-沃瑟斯坦距离[J]。arXiv:2110.133892021年。
[18] 戴晓英，陈永平，肖斌，等.动态头：统一目标检测头与注意[C]//IEEE/CVF计算机视觉与模式识别会议，2021:7369-7378。
[19] 赵洋.基于深度学习的道路环境感知研究[D] ●●●●。石家庄: 石家庄铁道大学, 2023
赵毅。基于深度学习的道路环境感知研究[D]。石家庄：石家庄铁岛大学，2023年。
[20] 王可铮, 徐玉芬, 周尚波.结合对比感知损失和融合注意力的图像去雾模型[J] .工程，2023，49（8）：207-214。
王克忠，徐永发，周世斌.结合对比感知损失和融合注意的图像去噪模型[J]。计算机工程，2023，49（8）：207-214。
[21] 沈轶杰, 李良澄, 刘子威, 等.基于单“音频像素”扰动的说话人识别隐蔽攻击[J] ●●●●。计算机研究与发展, 2021, 58(11): 2350-2363.
沈永杰，李立中，刘振伟，等.基于“音频像素”扰动的说话人识别隐身攻击[J]。计算机研究与发展杂志，2021，58（11）：2350-2363。
[22]MA S，XU Y.MPDIoU：高效准确边界盒回归的损失[J]。arXiv:2307.076622023年。
[23]佟志杰，陈永华，徐志伟，等.Wise-IoU：动态聚焦机制的包围盒回归损失[J]。arXiv:2301.100512023。
[24]陈恩毅，李毅，杨志明，等.LODNU：无人机视觉中的轻型目标检测网络[J]。超级计算杂志，2023，79:10117-10138。
[25]LI C Y，LI L L，JIANG H L，et al.YOLOv6:一种用于工业应用的单阶段对象检测框架[J]。arXiv:2209.029762022年。
[26]WANG C Y，BOCHKOVSKIY A，LIAO H.YOLOv7：可培训的免费行李为实时目标探测器设置了新的最先进技术[C]//IEEE/CVF计算机视觉和模式识别会议（CVPR），2022:7464-7475。
[27]REN S Q，HE K M，GIRSHICK R，等.更快的R-CNN：利用区域提议网络实现实时目标检测[J]。IEEE模式分析和机器智能汇刊，2017，39（6）：1137-1149。
[28]张永中，吴春英，张涛，等.基于自主注意制导和多尺度特征融合的无人机图像目标检测[J]。IEEE地球科学与遥感快报，2023，20:1-5。
[29]王俊杰，于杰，何志安.ARFP：一种新的自适应递归特征金字塔在航空图像目标检测中的应用[J]。应用智能，2022，52:12284-12859。
[30]蔡志思，洪志毅，于伟华，等.CNXResNet：基于PP-YOLOE的无人机场景轻量级骨干网[C]//国际信号与图像处理会议（ICSIP），2023:460-464。
[31]ZHANG Z.无人机-YOLO：一种有效的无人机图像目标检测神经网络方法[J]。无人机，2023，7（8）：526。
[32]CHEN H N，LIU H Y，SUN T，等.MC-YOLOv5：一种多类小目标检测算法[J]。仿生学，2023，8（4）：342。

改进YOLOv8公司的航拍图像小目标检测算法

航空图像中改进的YOLOv8小目标检测算法

PDF格式

可视化

摘要/摘要

引用本文

使用本文

参考文献

相关文章15

编辑推荐

韵律学

[1]	赵鑫, 陈里里, 杨维川, 张程旺.DY-YOLOv5：基于多重注意力机制的航拍图像目标检测[J] ●●●●。计算机工程与应用, 2024, 60(7): 183-191.
[2]	苏佳, 秦一畅, 贾泽, 王静.基于ATO-YOLO公司的小目标检测算法[J] ●●●●。计算机工程与应用, 2024, 60(6): 68-77.
[3]	周飞, 郭杜杜, 王洋, 王庆庆, 秦音, 杨卓敏, 贺海军.基于改进YOLOv8公司的交通监控车辆检测算法[J] ●●●●。计算机工程与应用, 2024, 60(6): 110-120.
[4]	彭晏飞, 赵涛, 陈炎康, 袁晓龙.基于上下文信息与特征细化的无人机小目标检测算法[J] ●●●●。计算机工程与应用, 2024, 60(5): 183-190.
[5]	陈佳慧, 王晓虹.改进YOLOv5公司的无人机航拍图像密集小目标检测算法[J] ●●●●。计算机工程与应用, 2024, 60(3): 100-108.
[6]	林正文, 宋思瑜, 范钧玮, 赵薇, 刘广臣.改进YOLOv5公司的光伏组件热斑及遮挡小目标检测[J] ●●●●。计算机工程与应用, 2024, 60(1): 84-95.
[7]	李安达, 吴瑞明, 李旭东.改进YOLOv7公司的小目标检测算法研究[J] ●●●●。计算机工程与应用, 2024, 60(1): 122-134.
[8]	张朝阳, 张上, 王恒涛, 冉秀康.多尺度下遥感小目标多头注意力检测[J] ●●●●。计算机工程与应用, 2023, 59(8): 227-238.
[9]	王建波, 武友新.改进YOLOv4-微型的安全帽佩戴检测算法[J] ●●●●。计算机工程与应用, 2023, 59(4): 183-190.
[10]	王能文, 张涛.改进蛋黄-S实时多尺度交通标志检测算法[J] ●●●●。计算机工程与应用, 2023, 59(21): 167-175.
[11]	齐向明, 柴蕊, 高一萌.重构SPPCSPC公司与优化下采样的小目标检测算法[J] ●●●●。计算机工程与应用, 2023, 59(20): 158-166.
[12]	熊恩杰, 张荣芬, 刘宇红, 彭靖翔.面向交通标志的幽灵-YOLOv8”[J] ●●●●。计算机工程与应用, 2023, 59(20): 200-207.
[13]	张海镔, 裴斐, 雷帮军, 夏平.改进YOLOv7公司的复杂环境下铅封小目标检测[J] ●●●●。计算机工程与应用, 2023, 59(19): 130-139.
[14]	王英博, 刘荣霞.改进轻量化的CenterNet[J] ●●●●。计算机工程与应用, 2023, 59(17): 205-211.
[15]	李超, 王凯, 丁才昌, 张金玥, 李贾宝.改进特征融合网络的遥感图像小目标检测[J] ●●●●。计算机工程与应用, 2023, 59(17): 232-241.