面向小目标检测的像素重排与特征重排算法

来源：计算机工程与应用杂志2025年第17期北京时间：

作者：赵庆辉, 赖耀平, 官敬超, 曾燕芬, 巢建树

单位：1.福建农林大学 机电工程学院，福州 350000；2.中国科学院 福建物质结构研究所 泉州装备制造研究中心，福建 泉州 362000；3.中国科学院大学 福建学院，福州 350000；4.福州大学 先进制造学院，福建 泉州 362000；5.福建福耀汽车饰件有限公司，福建 福清 350300

摘要：针对小目标检测任务中常见的目标漏检和误检问题，提出一种面向小目标检测的像素重排与特征重排算法PFR-YOLOv8s。为了提升模型的特征提取能力，构建一种结合注意力机制的像素重排特征提取模块（pixel rearrangement feature extraction，PRFE），能有效保留细粒度信息，捕捉复杂背景下小目标的重要特征。设计了一种多重特征融合机制（multi-feature fusion，MFF），能充分利用小目标的上下文信息及多尺度信息；基于MFF构建一种特征重排网络框架（feature rearrangement neck，FR-Neck），通过特征重排丰富目标特征，提升模型对小目标的感知能力。引入Inner-GIoU损失函数，提升对密集场景下小目标样本的学习能力。实验结果表明，该算法在VisDrone2019数据集上的平均检测精度较YOLOv8s原模型提高5.8个百分点，有效提升了对小目标的检测能力。在铁路工人安全施工小目标数据集上平均精度提升2.1个百分点，验证了该算法的泛化性。

关键词：小目标检测,YOLOv8s,像素重排,特征重排,多重特征融合