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

doi:10.13705/j.issn.1671-6833.2025.04.007

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。