改进YOLOv8n的轻量级遥感图像军用飞机检测算法

来源：电子测量技术杂志2025年第1期北京时间：

作者：杨瑞君，张浩，叶璟

单位：1.上海应用技术大学计算机科学与信息工程学院 上海 201418; 2.上海应用技术大学化学与环境工程学院 上海 201418

摘要：针对现有的轻量级目标检测算法在应用于遥感图像军用飞机目标检测任务所面临的模型参数大、检测速度慢的情况，提出一种基于YOLOv8n的轻量级遥感图像军用飞机目标检测算法：LeYOLO-MARs。采用了优化后的倒置瓶颈模块替换原始主干网络中的经典瓶颈模块，更换高效的骨干网络特征提取模式，在保持特征提取能力的同时，有效降低了计算需求并提升了计算速度；颈部网络中引入了快速金字塔架构网络，减少了卷积层数并提高了语义信息共享的效率，减少了锁定和等待时间，同时考虑了有限的并行化机会和架构的复杂性；使用轻量级解耦网络头，通过逐点卷积简化检测头结构；使用Inner-SIoU作为新的定位回归损失函数，提升对小目标样本的学习能力并加快回归边界框的收敛；加入了轻量级金字塔压缩注意力机制模块，有效整合局部注意力和全局注意力，以建立long-range通道依赖关系。实验结果表明，改进的算法在保证检测速度的同时取得了95.7%的检测精度，比基线模型高0.4%,模型参数缩小43%，计算量减少63%，较主流算法在检测效果上有一定的提升，能够对军用飞机目标进行高质量实时检测。

关键词：目标检测;军用飞机;YOLOv8;倒置瓶颈;注意力模块;特征金字塔

基金资助：上海应用技术大学协同创新基金-跨学科、多领域合作研究专项(XTCX2024-03)资助