基于改进YOLOv8的无人机视角下小目标检测模型
谢明宏
贵州财经大学信息学院 贵州贵阳 550025
摘要：随着无人机技术的快速发展,无人机在城市管理和灾害监测等领域的应用愈加广泛.无人机拍摄的航拍图像具备广泛视角和高覆盖范围的优势,但也面临小目标检测难度大、背景复杂等挑战.针对这些问题,文章提出了一种基于改进YOLOv8的目标检测算法——DAE-YOLO.该模型通过引入Deformable Attention机制,实现了动态调整注意力的关键点位置,提升了对小目标的检测能力;采用创新的Inner Wise-IoU损失函数,通过引入自适应的辅助边界框优化IoU损失计算,提高了边框回归的精度;同时设计了轻量化的Detect Efficient检测头,在保证检测精度的同时提升了模型效率.实验结果表明,DAE-YOLO在VisDrone2019数据集上相较于原始模型有显著性能提升:精确率提升7.2％,召回率提升6.9％,mAP50提升9.8％,mAP50-95提升10.7％.在夜间和白天的复杂场景测试中,DAE-YOLO都表现出了优异的小目标检测能力.
关键词：改进 YOLOv8小目标检测DAE-YOLODeformable AttentionInner Wise-IoU
论文发表日期：2025-03-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：5( 7-11 )