基于改进YOLOv8的无人机视角下小目标检测模型  

作　　者：谢明宏 XIE Minghong

机构地区：[1]贵州财经大学信息学院,贵州贵阳550025

出　　处：《信息技术与信息化》2025年第3期7-11,共5页Information Technology and Informatization

摘　　要：随着无人机技术的快速发展,无人机在城市管理和灾害监测等领域的应用愈加广泛。无人机拍摄的航拍图像具备广泛视角和高覆盖范围的优势,但也面临小目标检测难度大、背景复杂等挑战。针对这些问题,文章提出了一种基于改进YOLOv8的目标检测算法——DAE-YOLO。该模型通过引入Deformable Attention机制,实现了动态调整注意力的关键点位置,提升了对小目标的检测能力;采用创新的Inner Wise-IoU损失函数,通过引入自适应的辅助边界框优化IoU损失计算,提高了边框回归的精度;同时设计了轻量化的Detect_Effi cient检测头,在保证检测精度的同时提升了模型效率。实验结果表明,DAE-YOLO在VisDrone2019数据集上相较于原始模型有显著性能提升:精确率提升7.2%,召回率提升6.9%,mAP50提升9.8%,mAP50-95提升10.7%。在夜间和白天的复杂场景测试中,DAE-YOLO都表现出了优异的小目标检测能力。

关 键 词：改进YOLOv8 小目标检测 DAE-YOLO Deformable Attention Inner Wise-IoU 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术]