基于改进YOLOv8的无人机影像小目标检测算法

摘要

针对无人机影像小目标检测中存在的性能低、漏检与误检问题，提出了一种基于改进的YOLOv8小目标检测模型：YOLOv8-CAS.通过构造轻量化C2f＿CAS特征提取模块，模型对小目标细节的捕捉能力得到增强，同时减少了计算复杂度.引入SimAM注意力机制，通过其自适应特征选择能力增强模型对关键区域的关注，从而提升小目标检测的精度.引入DyHead检测头，通过其动态路由机制有效融合多尺度特征，提升模型对小目标的定位精度.最后加入P2小目标检测层，通过增强浅层高分辨率特征图的利用，进一步优化多尺度特征融合.改进模型在VisDrone数据集上相比原始模型的精确率、召回率、mAP@50、mAP@50∶95分别提升了10.1、8.1、10.2和6.7个百分点.实验结果表明，YOLOv8-CAS模型在小目标检测任务中表现出显著的性能提升，适用于复杂场景下的无人机目标检测应用.

关键词

无人机 / 小目标检测 / YOLOv8 / DyHead / 多尺度特征融合