改进YOLOv8的无人机航拍小目标检测算法

来源：计算机工程与应用杂志2025年第11期北京时间：

作者：许景科, 索祥龙, 周磊

单位：1.沈阳建筑大学 计算机科学与工程学院，沈阳 110168；2.辽宁省城市建设大数据管理与分析重点实验室，沈阳 110168；3.国家特种计算机工程技术研究中心沈阳分中心，沈阳 110168

摘要：在无人机航拍图像目标检测任务中，存在小目标多且分布密集，目标背景复杂，类别样本数量不平衡，无人机算力偏低等问题。为此提出一种改进YOLOv8的算法MFF-YOLOv8（multi-feature fusion YOLOv8）。在C2f模块的Bottleneck模块中融合可变形卷积DCNv3（deformable convolution v3），增强模型主干部分的特征提取能力。设计了一种新的MFFPN（multi-feature fusion pyramid network）特征融合网络结构，增加更多特征融合路线，保留更多的底层特征图细节和特征，提高模型对小目标的检测能力。增加P2小目标检测层并优化原有的P5检测层，增强了对小目标的检测精度并降低参数量。最后，引入动态头Dyhead（dynamic head）进一步增强模型的检测精度，在Visdrone2019公共数据集的实验中，MFF-YOLOv8s算法的检测精度mAP50和mAP50：95相比YOLOv8s分别提高10.2个百分点和7.1个百分点，参数量降低77.04%，检测精度超越YOLOv11，满足了无人机平台对精度和轻量化的需求。

关键词：YOLOv8,小目标检测,多尺度特征融合,轻量化