融合轻量卷积与注意力机制的无人机红外目标检测算法
杨章林1
胡祥涛2
孔韦韦3
1.滁州职业技术学院 机械与汽车工程学院,安徽滁州 2390002.安徽大学 电气工程与自动化学院,合肥 2306013.西安邮电大学 计算机学院,西安 710121;西安邮电大学 陕西省网络数据分析与智能处理重点实验室,西安 710121
摘要：为应对无人机航拍红外图像在目标检测中面临的噪声干扰、小目标密集以及模型参数数量庞大等难题,本研究提出一种融合轻量卷积与注意力机制的无人机红外目标检测算法LDI-YOLOv8s.该算法提出了融合轻量化卷积与注意力机制的GSCA卷积模块,有效增强各尺度对上下文语义信息的保留能力;设计了轻量化解耦头模块,在维持检测精度的同时,显著削减模型参数数量;此外,还引入WIoU损失函数,能够精准定位小目标的边界.实验数据显示,改进后算法平均精度mAP@0.5达86.2％,较YOLOv8s提升8.4百分点,精确率与召回率分别提升9.3百分点、8.3百分点,推理速度提高27％,达到了175FPS,性能优势明显,可高效完成检测任务.
关键词：红外图像目标检测YOLOv8s轻量化无人机
分类号：TP391(计算技术、计算机技术)
资助基金：安徽省自然科学研究重点项目(2024AH051441)安徽省服务十大新兴产业特色专业项目(2023sdxx208)
论文发表日期：2025-11-20
在线出版日期：2025-12-03（本平台首次上网日期，不代表文献的发表时间）
页数：6( 74-79 )