-
题名基于LDF-YOLO的小目标检测方法
- 1
-
-
作者
刘洋
任旭虎
刘宝弟
刘伟锋
-
机构
中国石油大学华东海洋与空间信息学院
中国石油大学华东控制科学与工程学院
-
出处
《电子测量技术》
北大核心
2025年第12期156-165,共10页
-
基金
国家自然科学基金(62372468)
山东省重点基础研究项目(ZR2023ZD32)
山东省自然科学基金(ZR2023MF008)项目资助。
-
文摘
小目标检测是计算机视觉中极具挑战性的任务,现有的检测算法复杂度高、计算量大且检测精度低导致了漏检和误检的问题,本文针对小目标的独有特征提出了LDF-YOLO算法以提高检测精度并降低漏检率。首先是对Head部分的改进,在特征融合网络中引入了特征转换模块,设计了针对微小物体的检测头LP-Detect;其次,借鉴残差门控机制和局部特征增强机制设计了LR-C2f模块,增强模型提取局部特征的能力;最后,融入了局部特征增强模块,以强化骨干网络提取小目标信息的能力。在公开数据集Tiny Person上,LDF-YOLO比原YOLOv8在mAP0.5上提高了4.5%,召回率提高了5.5%,实验结果验证了改进方法的有效性,同时在NWPU VHR-10和VisDrone2019数据集上做了泛化对比实验,经实验表明各项指标均有提升。
-
关键词
小目标检测
YOLOv8
残差门控机制
特征转换
特征融合
-
Keywords
small object detection
YOLOv8
residual gated mechanisms
feature transformation
feature fusion
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
TN911.73
[电子电信—通信与信息系统]
-
