基于迁移学习与动态权重局部金字塔注意力机制的无人机航拍车辆目标检测方法

摘要

我国汽车保有量持续增长导致交通拥堵、违停和事故频发，严重制约社会经济发展。为缓解传统路面监控摄像头因监控盲区造成的管理难题，本文基于无人机航拍图像，提出了一种高效的车辆目标检测方法。针对图像中存在的遮挡、模糊、畸变和复杂场景等问题，设计了一种融合迁移学习与动态权重局部金字塔注意力(Dynamic Weight Local Pyramid Attention, DWLPA)机制的改进YOLOv8-s方法。通过引入迁移学习，缓解数据样本有限和分布不均的问题，提升模型对未见样本的泛化能力。设计DWLPA模块，结合动态权重分配与多尺度特征优化，提高模型在复杂环境下的目标检测能力。本文基于公开无人机航拍车辆图像数据开展实验，结果表明，改进模型在mAP@0.5:0.95、mAP@0.5和mAP@0.75上分别达到67.6%、98.3%和81.4%,相较YOLOv8-s基线模型和YOLOv13-s、YOLOv12-s、YOLO11-s等轻量级模型均有明显提升，在复杂场景下展现出更强的检测精度和鲁棒性。

关键词

无人机影像 / 车辆检测 / YOLOv8-s / 迁移学习 / 注意力机制