基于改进YOLOv10的航拍车辆目标检测
周鹏
院老虎
沈阳航空航天大学航空宇航学院 辽宁沈阳 110136
摘要：针对无人机视角下背景复杂、车辆尺寸易变导致现有目标检测算法精度偏低的问题,文章提出了一种改进型目标检测算法DEW-YOLOv10n.为提升模型特征提取能力,首先在YOLOv10n网络的C2f结构中嵌入ECA注意力机制,并采用多分支DBB模块替换原有Bottleneck结构;其次,在Neck部分构建BIFPN-P2小目标特征增强金字塔,强化模型对小目标特征的提取与融合效能;最后,引入 WASIoU损失函数,解决复杂背景下锚框扩展难题,提升目标回归精度.实验结果表明,相较于基线网络YOLOv10n,所提DEW-YOLOv10n算法的检测精确度P提升2.99％,mAP@0.5提升4.31％,有效改善了无人机视角下车辆目标的检测性能.
关键词：深度学习车辆检测YOLOv10多尺度目标复杂背景
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：4( 16-19 )