基于Swin-T和YOLOv8的遥感小目标检测算法

摘要

针对遥感小目标检测中YOLO系列模型特征提取不足及检测精度受限的问题，提出一种融合Swin Transformer(Swin-T)的YOLOv8改进模型。以YOLOv8为基础框架，首先将C2f模块中的Bottleneck进行改进，在第2个卷积后面引入Swin-T,构建特征融合模块C2f-ST,在骨干网络中增加一个Swin-T层以获取多样化图像特征，增强全局上下文信息提取能力；其次在颈部网络引入注意力模块CBAM用以增强对目标区域的检测；最后采用WIoU损失函数作为回归损失，同时新增一个检测头，以增强多尺度特征捕获能力。在VisDrone2019数据集上的实验结果表明改进模型比原模型在精确率、召回率及平均精度均值上分别提升3.7%、3.6%和4.6%,表明C2f-ST模块可以有效整合局部特征与全局信息，提升小目标检测精度。改进模型兼顾轻量化与实时性，适用于检测资源受限场景。

关键词

小目标检测 / Swin Transformer / 注意力机制 / YOLOv8

基金资助

国家重点研发计划课题(2023YFB3209704)