SCE-YOLO：改进YOLOv8的轻量级无人机视觉检测算法

来源：计算机工程与应用杂志2025年第13期北京时间：

作者：张帅, 王波涛, 涂嘉怡, 陈聪实

单位：北京工业大学 信息科学技术学院，北京 100124

摘要：针对无人机航拍场景下的目标检测模型计算复杂、检测效果不佳等问题，提出一种改进YOLOv8的轻量级无人机目标检测算法SCE-YOLO。使用STA_C2f替换骨干网络中的C2f模块，提高模型的特征提取能力；将采用渐进重参数化方法改进的AIFI模块作为空间金字塔池化层，实现高质量的尺度特征交互；提出一种多尺度特征聚合扩散网络UAV_CFDPN，根据航拍小目标的尺度特征优化网络结构，设计特征聚合模块FAM以及新的特征聚合与扩散路径，使得模型获得丰富的多尺度特征和上下文信息，提高目标检测的尺度适应性；设计一种高效共享卷积模块ES-Head，在保持定位和分类能力的同时，使得模型更加轻量高效。在VisDrone2019数据集上进行测试，实验结果表明，相较于YOLOv8s，虽然提出的SCE-YOLO算法mAP50减少0.5个百分点，但参数量和计算量仅为YOLOv8s的10.0%和48.8%，在检测精度和轻量化方面相较于其他先进算法具有明显的优势。

关键词：目标检测,YOLOv8,多尺度特征,特征聚合,轻量化