改进YOLOv8的无人机小目标检测方法_中国煤炭行业知识服务平台

改进YOLOv8的无人机小目标检测方法

作者

刘付刚刘巾瑞祝永涛
单位

黑龙江科技大学电子与信息工程学院黑龙江龙煤双鸭山矿业有限公司
摘要

针对无人机视角拍摄的小目标具有分布聚集、数量繁多、类别不均衡等特点，致使小目标检测精度较低，容易出现漏检和误检的问题，提出了基于改进YOLOv8的目标检测算法。通过添加小目标特征融合网络的方式优化网络结构，引入可变形卷积来提升模型对感兴趣区域的关注能力，采用MPDIoU损失函数，提高边界框回归的准确性。结果表明，改进后的YOLOv8检测算法在VisDrone2019数据集上的精度提升了6.1%，模型参数量减少了25.3%，在轻量化网络的同时有效提高了小目标检测精度。
关键词

小目标检测YOLOv8可变形卷积损失函数
基金项目(Foundation)

黑龙江省省属本科高校基本科研业务费项目(11040168)；
文章目录

0 引言
1 YOLOv8的改进方法
1.1 网络结构的改进
DCN模块'>1.2 引入改进后的C2fDCN模块
1.3 MPDIoU损失函数
2 实验与结果分析
2.1 数据集、评估指标及实验设置
2.2 消融实验
2.3 对比实验
2.4 实验结果可视化
3 结论
引用格式

[1]刘付刚,刘巾瑞,祝永涛.改进YOLOv8的无人机小目标检测方法[J].黑龙江科技大学学报,2024,34(06):985-989.