基于LDF-YOLO的小目标检测方法

来源：电子测量技术杂志2025年第12期北京时间：

作者：刘洋，任旭虎，刘宝弟，刘伟锋

单位：1.中国石油大学华东海洋与空间信息学院 青岛 266580;2.中国石油大学华东控制科学与工程学院 青岛 266580

摘要：小目标检测是计算机视觉中极具挑战性的任务，现有的检测算法复杂度高、计算量大且检测精度低导致了漏检和误检的问题，本文针对小目标的独有特征提出了LDF-YOLO算法以提高检测精度并降低漏检率。首先是对Head部分的改进，在特征融合网络中引入了特征转换模块，设计了针对微小物体的检测头LP-Detect；其次，借鉴残差门控机制和局部特征增强机制设计了LR-C2f模块，增强模型提取局部特征的能力；最后，融入了局部特征增强模块，以强化骨干网络提取小目标信息的能力。在公开数据集Tiny Person上，LDF-YOLO比原YOLOv8在mAP0.5上提高了4.5%，召回率提高了5.5%，实验结果验证了改进方法的有效性，同时在NWPU VHR-10和VisDrone2019数据集上做了泛化对比实验，经实验表明各项指标均有提升。

关键词：小目标检测;YOLOv8;残差门控机制;特征转换;特征融合

基金资助：国家自然科学基金（62372468）、山东省重点基础研究项目（ZR2023ZD32）、山东省自然科学基金（ZR2023MF008）项目资助