-
题名面向遥感图像的轻量化小目标检测算法研究
被引量：1
- 1
-
-
作者
葛雯
邵钰琦
屈乐乐
-
机构
沈阳航空航天大学电子信息工程学院
-
出处
《电子测量技术》
北大核心
2025年第4期118-127,共10页
-
基金
国家自然科学基金(61671310)
辽宁省兴辽英才计划项目基金(XLYC1907134)项目资助。
-
文摘
针对遥感图像中存在因背景复杂、尺度变化大、小目标密集而导致的目标检测准确率低等问题,提出了一种改进YOLOv8n的检测算法:MGL-YOLO。首先,设计MSConv减少模型参数,基于MSConv重构C2f模块,提高多尺度特征提取能力;其次,基于GLSA和GSConv模块改进BiFPN结构,简化颈部网络,增强网络的特征处理能;在头部设计Light-head进一步轻量化模型,加强小目标特征提取能力;最后引入NWD损失函数替换原损失函数,增强对小目标的定位精度。在DIOR-R、DOTAv1.0和VEDAI数据集上验证,实验结果表明MGL-YOLO模型在DIOR-R数据集上准确率和mAP@0.5比基准模型提高了1.7%和1.3%,在DOTAv1.0数据集上提高了1.0%和1.1%,在VEDAI数据集上提高了2.4%和2.1%。参数量降低47%,计算量降低32%,与其他小目标检测算法相比也得到了较好的检测性能。
-
关键词
YOLOv8n
多尺度卷积
特征金字塔
轻量检测头
NWD
-
Keywords
YOLOv8n
msconv
feature pyramid
Light-head
NWD
-
分类号
TN919.8
[电子电信—通信与信息系统]
-
-
题名基于YOLOv8的轻量级田间棉花品级检测
- 2
-
-
作者
刘杰
黄晓辉
郭敬博
-
机构
新疆大学计算机科学与技术学院
-
出处
《计算机工程》
2026年第1期400-413,共14页
-
基金
科技部科技创新2030-重大项目(2022ZD0115802)
新疆天山英才科技创新团队项目(2023TSYCTD0012)。
-
文摘
针对复杂田间棉花的多尺度变化导致现存目标检测算法误报率及漏报率较高、现存检测算法计算量较大难以部署到边缘设备中的问题,通过优化特征提取与特征融合,并结合模型剪枝与知识蒸馏技术,提出一种轻量级田间棉花品级检测算法YOLOv8-Cotton。首先,在特征提取网络中设计多尺度卷积(MSConv),其包含不同尺度的卷积核,能够增强网络的特征提取能力;其次,在颈部网络中构建高效的局部特征选择(ELS)机制,在空间维度上捕获水平和垂直方向的特征,抑制不相关区域对预测结果的影响,并利用ELS机制构建新型的分级特征路径融合网络(HL-PAN),利用其上采样特征融合(U-SFF)及下采样特征融合(D-SFF)所产生的互补信息指导特征融合,增强模型对棉花多尺度变化的检测能力;接着,通过分层自适应幅度剪枝(LAMP)模型剪枝算法压缩模型,达到轻量化效果;最后,利用CWD损失函数进行特征蒸馏,以增强轻量化模型的检测性能。实验结果表明,YOLOv8-Cotton在自建数据集上的mAP@0.5、mAP@0.5∶0.95值分别达到75.4%、53.1%,比基线算法分别提高5.1、2.1百分点的同时,模型大小下降4.83 MB,计算量减少5.8×10^(9),并在公开数据集上验证了模型的泛化性。
-
关键词
目标检测
多尺度卷积
特征融合
模型剪枝
知识蒸馏
-
Keywords
object detect
Multi-Scale Convolutional(msconv)
feature fusion
model pruning
knowledge distillation
-
分类号
TP391
[自动化与计算机技术]
-
