-
题名优化改进YOLOv8实现实时无人机车辆检测的算法
被引量：21
- 1
-
-
作者
史涛
崔杰
李松
-
机构
天津理工大学电气工程与自动化学院
华北理工大学电气工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2024年第9期79-89,共11页
-
基金
国家自然科学基金(61203343)。
-
文摘
针对现有无人机车辆检测算法精度低、易受背景环境干扰、难以检测微小目标车辆问题,提出了一种改进YOLOv8的无人机车辆检测算法YOLOv8-CX。结合Deformable Convolutional Networks v1-3的优点,提出一种能够灵活采样特征的C2f-DCN模块,以更好地提取不同尺寸大小车辆之间的特征。利用Large Separable Kernel Attention的思想,提出了具有长程依赖性和自适应能力的SPPF-LSKA模块,可以有效减少背景对于车辆检测的干扰。在颈部网络,采用CF-FPN(ment network for tiny object deteciton)特征融合结构,通过结合上下文信息和抑制不同尺度特征之间的冲突信息,提升了对小目标的检测精度。最后,将原始YOLOv8的头部替换为Dynamic Head检测头。通过将尺度、空间和任务三种注意力机制结合统一,进一步提升了模型的检测性能。实验结果表明,在Mapsai数据集上,改进算法与原算法相比准确率(P)、召回率(R)、平均精度(mAP)分别提升了8.5、11.2和6.2个百分点,且算法检测速度达到72.6 FPS,满足无人机车辆检测实时性的要求。通过与其他主流目标检测算法比较,验证了该方法的有效性和卓越性。
-
关键词
无人机车辆检测
YOLOv8
可变形卷积
注意力机制
特征融合
-
Keywords
unmanned vehicle detection
YOLOv8
deformable convolution
attention mechanism
feature fusion
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
