-
题名改进YOLOv8的轻量化无人机航拍目标检测
- 1
-
-
作者
严嘉旭
苏天康
宋慧慧
-
机构
南京信息工程大学江苏省大数据分析技术重点实验室
江苏省大气环境与装备技术协同创新中心
-
出处
《计算机系统应用》
2025年第9期151-161,共11页
-
基金
国家自然科学基金(61872189)。
-
文摘
无人机航拍场景下的目标检测因目标尺寸小、物体间遮挡严重、尺度变化大等因素,常出现漏检与误检的问题.此外,受限于无人机平台的计算性能,实现高精度与轻量化的实时目标检测具有较大挑战.为此,本文提出了一种改进YOLOv8的轻量级目标检测算法.该算法采用轻量化的分割一切模型(segment anything model,SAM):MobileSAM的图像编码器作为YOLOv8的骨干网络,能够有效地提取多尺度特征,提升模型对小目标的检测效率,同时提高泛化能力,增强在不同任务和数据集上的表现.针对检测头部分,进行了轻量化设计,提出基于共享卷积与自适应特征缩放的轻量化检测头LSCD(lightweight scalable shared convolutional detection head)以减少参数量和计算开销,保持检测精度的同时降低模型参数量.最后,使用归一化高斯Wasserstein距离(normalized Gaussian Wasserstein distance,NWD)损失,提升小目标检测能力.所提算法在VisDrone-DET2019数据集上对小目标的检测精度和召回率相较于原始YOLOv8s模型有较大提升;相比于原始YOLOv8s模型,m AP50提高了3.2%,达到41.4%,且参数量减少了33.9%.在DOTA v1.0数据集上,mAP50达到48.8%,提升了8%,表明算法具有较好的泛化能力.
-
关键词
无人机航拍场景
目标检测
YOLOv8
轻量化
归一化高斯Wasserstein距离
mobilesam
LSCD
-
Keywords
UAV aerial perspective
target detection
YOLOv8
lightweight
normalized Gaussian Wasserstein distance(NWD)
mobilesam
lightweight scalable shared convolutional detection head(LSCD)
-
分类号
V19
[航空宇航科学与技术—人机与环境工程]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
