基于ISC-YOLOv8n的遥感目标检测算法
刘向举
孙源
安徽理工大学计算机科学与工程学院 安徽淮南 232001
摘要：针对遥感目标检测中小目标漏检和误检以及目标尺度变化差异明显导致检测精度低的问题,文章提出了基于YOLOv8n的遥感目标检测改进算法ISC-YOLOv8n.首先,结合倒残差移动块与空间和通道协同注意力机制SCSA,设计了倒残差协同注意力模块IRSA,提升骨干网络和颈部网络对小目标的关注度;然后,融合可切换空洞卷积SAConv与特征提取模块C2f设计了SAC2f模块,提升网络的多尺度特征提取能力;最后,引入内容感知重组特征模块CARAFE,优化上采样过程.实验结果表明,改进后的算法在数据集NWPU VHR-10和RSOD上的mAP50分别为90.6％和95.2％,相比基准模型提升了3.1％和2.7％,对比主流算法在精度和检测速度上优势明显,该算法模型在提高检测精度的同时,满足实时性检测需求.
关键词：遥感目标检测注意力机制CARAFEYOLOv8
论文发表日期：2026-02-25
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( 11-15 )