面向遥感图像的轻量化小目标检测算法研究

来源：电子测量技术杂志2025年第4期北京时间：

作者：葛雯，邵钰琦，屈乐乐

单位：沈阳航空航天大学电子信息工程学院 沈阳 110136

摘要：针对遥感图像中存在因背景复杂、尺度变化大、小目标密集而导致的目标检测准确率低等问题，提出了一种改进YOLOv8n的检测算法：MGL-YOLO。首先，设计MSConv减少模型参数，基于MSConv重构C2f模块，提高多尺度特征提取能力；其次，基于GLSA和GSConv模块改进BiFPN结构，简化颈部网络，增强网络的特征处理能；在头部设计Light-head进一步轻量化模型，加强小目标特征提取能力；最后引入NWD损失函数替换原损失函数，增强对小目标的定位精度。在DIOR-R、DOTAv1.0和VEDAI数据集上验证，实验结果表明MGL-YOLO模型在DIOR-R数据集上准确率和mAP@0.5比基准模型提高了1.7%和1.3%，在DOTAv1.0数据集上提高了1.0%和1.1%，在VEDAI数据集上提高了2.4%和2.1%。参数量降低47%，计算量降低32%，与其他小目标检测算法相比也得到了较好的检测性能。

关键词：YOLOv8n;多尺度卷积;特征金字塔;轻量检测头;NWD

基金资助：国家自然科学基金（61671310）、辽宁省兴辽英才计划项目基金（XLYC1907134）项目资助