-
题名多路径特征融合的YOLOv8航拍图像检测算法
- 1
-
-
作者
王灵超
沈学利
艾强
闫海龙
-
机构
辽宁理工学院信息工程学院
辽宁工程技术大学软件学院
青海师范大学计算机学院
-
出处
《电子测量技术》
北大核心
2025年第17期160-168,共9页
-
基金
国家自然科学基金(62173171)项目资助。
-
文摘
针对无人机航拍图像中目标密集、背景复杂导致小目标检测精度较低的问题,提出了一种改进的航拍目标检测算法(MF-YOLO)。首先,增强YOLOv8的多路径特征融合能力,整合不同层次特征以保留浅层细节,提高小目标检测精度;其次,采用EMA注意力机制,提高目标区域识别率和目标框定位精度,有效区分目标与背景区域;然后,提出密集注意层(DAL),通过聚焦密集目标区域和抑制无关特征,提升算法对密集区域的特征提取能力;接着,设计挤压激励检测头,结合SE注意力机制抑制冗余特征,进一步提升小目标检测精度;最后,构建视频数据集并设计目标检测系统,以可视化算法检测效果。在VisDrone2019数据集上的实验验证表明,MF-YOLO的mAP0.5达到30.3%,较基线算法YOLOv8n提升3.4%。结果显示,该算法显著提升了无人机图像的目标检测性能,具有广泛的应用前景。
-
关键词
无人机检测
多路径特征融合
密集注意力
挤压激励检测头
YOLOv8n
-
Keywords
UAV detection
multi-path feature fusion
dense attention layer
squeeze excitation detection head
YOLOv8n
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
TN919.8
[电子电信—通信与信息系统]
-
