基于FEW-YOLOv8遥感图像目标检测算法

席阳丽, 屈丹, 王芳芳, 都力铭

郑州大学学报(工学版) ›› 2025, Vol. 46 ›› Issue (04) : 62 -69.

PDF
郑州大学学报(工学版) ›› 2025, Vol. 46 ›› Issue (04) : 62 -69. DOI: 10.13705/j.issn.1671-6833.2025.04.007

基于FEW-YOLOv8遥感图像目标检测算法

    席阳丽, 屈丹, 王芳芳, 都力铭
作者信息 +

Author information +
文章历史 +
PDF

摘要

针对遥感图像目标检测任务中进行特征提取时缺少小目标信息,特征融合过程中部分信息丢失,小目标特征信息不明显,导致小目标检测精度不高的问题,提出了一种基于FEW-YOLOv8模型的遥感图像目标检测算法。首先,优化骨干网络架构,使用FasterNet骨干网络,更有效地提取了遥感图像中小目标的空间特征,使得网络模型更专注于微小目标,从而提升小目标检测精度。其次,使用EMA注意力与C2f构建全新的C2f_EMA模块,替换Neck结构中的C2f模块,在融合特征前进行特征注意力加强操作,使网络模型更突出特征信息中小目标部分,有效解决特征融合过程中小目标特征丢失问题。最后,采用带有动态非单调FM的WIoUv3作为边界框的损失函数,提高了模型的边界框定位精度,并且提升了对小目标的检测性能。实验结果显示:在NWPU VHR-10数据集上经过优化的YOLOv8算法的mAP50相较于原始YOLOv8算法提高了7.71百分点,在HRSC2016和DOTA v1.0上分别提高了9.70百分点和12.32百分点,证明所提算法能够有效提升遥感图像中小目标的检测精度。

关键词

遥感图像 / YOLOv8 / FasterNet骨干网络 / EMA注意力机制 / WIoU损失函数

Key words

引用本文

引用格式 ▾
基于FEW-YOLOv8遥感图像目标检测算法[J]. 郑州大学学报(工学版), 2025, 46(04): 62-69 DOI:10.13705/j.issn.1671-6833.2025.04.007

登录浏览全文

4963

注册一个新账户 忘记密码

参考文献

AI Summary AI Mindmap
PDF

0

访问

0

被引

详细

导航
相关文章

AI思维导图

/