计算机工程与科学

作者：蒲小莉, 赖惠成, 高古学

单位：新疆大学计算机科学与技术学院网络空间安全学院，新疆 乌鲁木齐 830046

关键词：无人机图像,小目标检测,YOLOv8,特征融合,

基金：新疆维吾尔自治区重点研发计划（No.2022B01008）；科技创新2030—“新一代人工智能”重大项目（2022ZD0115803）

针对现有的目标检测算法对无人机拍摄目标检测精度较低、模型大且不易于部署的问题，提出改进YOLOv8的目标检测算法BF-YOLO。首先，对网络的输出检测层进行重构，增强了算法模型对小目标的检测能力；其次，引入感受野注意力卷积替换普通卷积，使网络关注目标位置信息，增强了模型对目标特征的学习能力；此外，设计了多尺度信息提取模块，通过多个分组卷积单元来提取不同感受野下的目标信息，减少模型参数量的同时提高了检测精度；最后，引入加权双向特征融合来改进颈部网络，实现多尺度特征融合，提高了模型对多尺度目标的识别能力。实验结果表明，在VisDrone-DET2019数据集上，改进后算法的mAP50比YOLOv8s提高了7.3%，且模型参数量减少了67.1%，有效实现了检测精度和模型轻量化的平衡。

来源：2025年第8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8期