基于改进YOLOv8n的无人机目标检测研究

来源：计算机测量与控制杂志2025年第11期北京时间：

作者：问泽雨,杨洋,王国珲

单位：陕西省西安市西安工业大学

摘要：无人机反制系统中，无人机目标具有显著的多尺度特征，特别是在小目标检测方面，往往检测精度较低。针对此问题提出一种基于动态样本注意力尺度序列的YOLOv8n优化改进算法YOLOv8-C2f-RFCBAMConv。分析了目标无人机在多尺度和小目标识别中的挑战，提出通过改进主干网络和融合C2f-RFCBAMConv模块来优化特征提取能力，提升多尺度特征处理能力。采用RFCBAM机制，并引入残差融合和上下文注意力机制，提升了特征表达能力并减少计算复杂度。此外，使用WIoU损失函数改善了小目标低质量数据对梯度的影响，加快了网络收敛速度。实验结果显示，改进模型在自采无人机数据集上的mAP@0.5和mAP@0.5:0.95分别提升了3.1%和1.7%，GFLOPs提升了0.7，表现出更高的检测精度和更低的计算复杂度。

关键词：YOLOv8;目标检测;注意力机制;C2f模块;RFCBAM;无人机

基金资助：陕西省教育厅科学研究计划项目资助