基于改进YOLOv8s的无人机目标检测模型

摘要

针对利用无人机进行目标检测任务时，由于距离远、光线变化大，容易出现目标检测标精度低、易漏检和误检等问题，提出一种基于YOLOv8s的改进模型OLF-YOLO。首先，在主干网络引入ODConv模块替换部分Conv模块，提高主干网络的特征提取能力；其次，通过引入大型可分离卷积注意力思想对颈部的C2f模块进行重构，设计出全新的L-C2f模块以获得更大的感受野并丰富语义信息；最后，利用Wise-IoU的思想设计新的损失函数F-IoU以提升对困难样本的学习能力。在公开数据集VisDrone2019上的实验结果表明，相较于基准模型YOLOv8s, OLF-YOLO在m_AP@0.50上提升5.9%,m_AP@0.50∶0.95提升4.0%,提升效果明显。该模型能够有效完成无人机小目标检测任务。

关键词

无人机 / 小目标检测 / YOLOv8s / 特征提取 / 大型可分离卷积

基金资助

辽宁省科技计划项目(2023JH2/101300205); 沈阳市科技计划项目(23-407-3-3-33)