多路径特征融合的YOLOv8航拍图像检测算法

来源：电子测量技术杂志2025年第17期北京时间：

作者：王灵超，沈学利，艾强，闫海龙

单位：1.辽宁理工学院信息工程学院 锦州 121000;2.辽宁工程技术大学软件学院 葫芦岛 125105; 3.青海师范大学计算机学院 西宁 810008

摘要：针对无人机航拍图像中目标密集、背景复杂导致小目标检测精度较低的问题，提出了一种改进的航拍目标检测算法（MF-YOLO）。首先，增强YOLOv8的多路径特征融合能力，整合不同层次特征以保留浅层细节，提高小目标检测精度；其次，采用EMA注意力机制，提高目标区域识别率和目标框定位精度，有效区分目标与背景区域；然后，提出密集注意层（DAL），通过聚焦密集目标区域和抑制无关特征，提升算法对密集区域的特征提取能力；接着，设计挤压激励检测头，结合SE注意力机制抑制冗余特征，进一步提升小目标检测精度；最后,构建视频数据集并设计目标检测系统，以可视化算法检测效果。在VisDrone2019数据集上的实验验证表明，MF-YOLO的mAP0.5达到30.3%，较基线算法YOLOv8n提升3.4%。结果显示，该算法显著提升了无人机图像的目标检测性能，具有广泛的应用前景。

关键词：无人机检测;多路径特征融合;密集注意力;挤压激励检测头;YOLOv8n

基金资助：国家自然科学基金(62173171)项目资助