计算机工程与科学

作者：韦柳梅, 罗雪梅, 康健

单位：1.贵州大学电气工程学院,贵州 贵阳 550025；2.华北理工大学电气工程学院,河北 唐山 063210

关键词：小目标检测,YOLOv8模型,空间金字塔池化,可变形卷积,小目标检测层,

针对无人机航拍图像中小目标的检测精度低且易被漏检和误检等问题,提出了一种改进的小目标检测模型MDH-YOLOv8。首先,运用Focal-EIoU损失函数替换CIoU Loss,解决回归结果不准确的问题。设计小目标特征信息提取SAE模块,改善空间金字塔池化SPPF信息提取不足的问题,使模型同时关注图像中多个重点小目标区域。其次,提出可适应复杂几何形变的C2f_DCN模块,可变形卷积融合瓶颈层多次迭代,增强检测模型的鲁棒性。最后,新增一个专门针对小目标的检测头STDH模块,降低小目标的误检率和漏检率,提高检测精度。在VisDrone2019和DOTA数据集上验证实验结果,MDH-YOLOv8模型较YOLOv8模型,mAP@0.5提高了4.2个百分点,mAP@0.5:0.95提高了3.4个百分点。与目前小目标检测的主流模型相比,MDH-YOLOv8模型在满足轻量化的同时提高了对小目标的检测精度。

来源：2025年第12期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2025年第12期