摘要：从无人机视角进行目标检测，面临图像目标小、分布密集、类别不均衡等难点，且由于无人机的硬件条件限制了模型的规模，导致模型的准确率偏低。提出一种融合多种注意力机制的YOLOv8系列改进模型，在骨干网络中引入感受野注意力卷积和CBAM（集中注意力模块）注意力机制改进卷积模块，解决注意力权重参数在感受野特征中共享问题的同时，在通道和空间维度加上注意力权重，增强特征提取能力；通过引入大型可分离卷积注意力思想，改造空间金字塔池化层，增加不同层级特征间的信息交融；优化颈部结构，增加具有丰富小目标语义信息的特征层；使用内部IoU损失函数的思想改进MPDIoU（基于IoU的最小点距离）函数，以MPDIoU内部代替原损失函数，提升对困难样本的学习能力。实验结果表明，改进后的YOLOv8系列模型在VisDrone公司数据集上mAP、P、R分别提升了分别为16.1%、9.3%、14.9%性能超过YOLOv8m可以有效应用于无人机平台上的目标检测任务。
潘玮, 韦超, 钱春雨, 杨哲. 面向无人机视角下小目标检测的YOLOv8系列改进模型[J] ●●●●。，2024, 60(9): 142-150.
潘伟、魏超、钱春玉、杨哲。从无人机角度改进的YOLOv8s小目标检测模型[J]。计算机工程与应用，2024,60（9）：142-150。
