LESO-Net:一种轻量高效的小目标分割网络

摘要

图像内的部分小目标因其具有形状不规则以及边界模糊等特征，在分割处理时常常遭遇诸多挑战，主要包括特征提取困难、边缘细节丢失、噪声干扰显著等.针对以上问题，本文提出一种基于YOLOv8n-seg模型的轻量高效的小目标分割网络LESO-Net.首先，使用可变形卷积网络(DCNv2)替换骨干网络中的C2f模块，以提高对不同形状小目标的特征提取和自适应泛化能力；然后，将大可分离核注意力(LSKA)模块引入到颈部网络中，以提高分割精确度，降低计算复杂度和内存占用；最后，通过对损失函数进行优化，改善类别不平衡和边界框精确度不足的问题.在自建的气泡数据集和SAR公共图像数据集(HRSID)上进行的实验结果表明，改进后的网络LESO-Net与原始YOLOv8n-seg模型相比，精确度分别提高1.2和2.5个百分点，mAP50分别提高0.2和1.2个百分点，参数量减少10%,证明所提出的LESO-Net模型具有较好的综合性能，能够满足复杂场景中小目标分割任务的要求.

关键词

小目标 / YOLOv8n-seg / 可变形卷积 / 大可分离核注意力