改进的YOLOv8n遥感图像轻量化检测模型

来源：电子测量技术杂志2025年第6期北京时间：

作者：李泽胤，李栋，房建东，赵磊，张佳惠

单位：1.内蒙古工业大学信息工程学院 呼和浩特 010080;2.内蒙古工业大学内蒙古感知技术与智能 系统重点实验室 呼和浩特 010080

摘要：针对遥感图像目标排列密集、尺度差异大以及背景复杂造成的检测虚警率高、检测精度低、漏检和误检的问题，提出了一种基于YOLOv8n的遥感图像检测算法YOLOv8-EP。首先，构建特征聚焦扩散金字塔网络（FFDPN），通过并行深度卷积捕获多尺度信息，同时加入扩散机制将特征信息扩散到各个检测尺度增强特征交互。设计轻量化的任务动态调整检测头（TADD），通过特征共享和并行任务处理，提高检测的定位和分类性能。其次，引入SimAM注意力机制捕捉图像中关键信息，增加模型感受野。最后，引入Inner-CIoU损失函数改善低质量图像对网络梯度的不利影响，加速模型收敛。在NWPU VHR-10数据集和RSOD数据集上的实验结果表明，YOLOv8-EP的mAP 分别达到97.6%和 97.9%，参数量下降13%，相比于YOLOv8n基线网络提升了2.2%和1.5%，能够满足工业部署的要求，整体达到良好的检测性能。

关键词：遥感图像;YOLOv8n;特征交互;任务动态调整检测头

基金资助：国家自然科学基金(62361049)、 内蒙古自治区自然科学基金(2022QN06004)项目资助