面向小型无人机检测应用的改进YOLOv8算法

仲元昌, 陈宇, 杨子楚, 李大林

湖南大学学报(自然科学版) ›› 2025, Vol. 52 ›› Issue (4) : 57 -67.

PDF
湖南大学学报(自然科学版) ›› 2025, Vol. 52 ›› Issue (4) : 57 -67. DOI: 10.16339/j.cnki.hdxbzkb.2025266

面向小型无人机检测应用的改进YOLOv8算法

    仲元昌, 陈宇, 杨子楚, 李大林
作者信息 +

Author information +
文章历史 +
PDF

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

Key words

引用本文

引用格式 ▾
面向小型无人机检测应用的改进YOLOv8算法[J]. 湖南大学学报(自然科学版), 2025, 52(4): 57-67 DOI:10.16339/j.cnki.hdxbzkb.2025266

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

4

访问

0

被引

详细

导航
相关文章

AI思维导图

/