面向小型无人机检测应用的改进YOLOv8算法

摘要

现有的目标检测算法对小型无人机存在难以有效检测、受复杂环境影响以及网络模型复杂等问题，为此提出一种基于YOLOv8的改进型无人机目标检测算法.首先，针对远距离飞行的无人机目标较小的问题，添加一个融合了浅层特征的新的极小目标检测层，同时剔除最大目标检测层，以实现优化目标尺度聚焦并降低网络的复杂度；其次，在Backbone网络中引入GhostConv模块，进一步减少模型的参数量，然后，在Neck网络中融合LSKA模块中的注意力机制，将C2f模块中的Bottleneck用LSKA进行替换，设计全新的C2f-LSKA模块代替Neck中的C2f模块，提高模型对上下文的感知能力和对空间信息的处理能力；最后，采用WIoUv3作为边界损失函数，进一步提高模型精度.实验结果表明，与原模型相比，改进的模型在自建无人机数据集上的精确度P提升了5.0个百分点，召回率R提升了11.9个百分点，mAP@0.5提升了9.5个百分点，改进后的模型参数数量和模型大小分别降低了68.9个百分点和65.1个百分点.

关键词

无人机检测 / YOLOv8 / 大型可分离卷积核 / WIoUv3

基金资助

国家自然科学基金资助项目（U22B2095）; 国网重庆市电力公司电力科学研究院科技创新项目（H20221585）