基于等级残差与双向特征融合机制的检测算法

来源：计算机工程与应用杂志2025年第19期北京时间：

作者：冷强奎, 卢建旭, 孟祥福

单位：辽宁工程技术大学 电子与信息工程学院，辽宁 葫芦岛 125105

摘要：现有的YOLO系列目标检测算法虽然在速度和实时性方面表现出色，但在处理多尺度目标和保持边界细节方面仍有不足。为解决上述问题，提出了一种基于YOLOv8改进的目标检测算法Res-YOLO。Res-YOLO包含三个核心模块：特征增强模块Res-SPPF、双向特征融合模块RSBA和动态特征选择模块C2f_ODC。其中，Res-SPPF利用等级制残差连接和多头注意力机制来增强模型的多尺度特征表达能力；RSBA采取自适应深浅层特征融合机制来保留边界细节和语义信息；C2f_ODC通过渐进式学习以逐步过滤非必要特征，从而降低模型复杂度。此外，引入线性可变卷积LDConv来处理具有复杂边界和不规则形状的目标。在MS COCO2017数据集上的实验结果表明，相比于原始算法，Res-YOLO在mAP指标上提升2.9个百分点，而GFLOPs为原始算法的94%。与其他先进检测算法的对比实验结果也证实了Res-YOLO的有效性和竞争力。

关键词：目标检测,残差连接,多尺度特征融合,卷积神经网络,注意力机制