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。