双向多尺度特征融合的无人机检测算法

来源：计算机工程与应用杂志2025年第10期北京时间：

作者：汤栎, 贾渊, 张玉宁

单位：西南科技大学 计算机科学与技术学院，四川 绵阳 621010

摘要：针对在公园、学校、机场等公共区域的复杂背景中，“黑飞”无人机目标尺度多变、模糊和遮挡等导致不易识别的问题，提出一种改进YOLOv8n的无人机目标检测算法。通过在C2f模块中融合RepViTBlock结构和高效多尺度注意力机制EMA（efficient multi-scale attention）改进Bottleneck块，设计了C2f-RVB模块，在减少参数的情况下增强模型对多尺度特征信息的提取能力；在颈部特征融合网络中构建动态边界融合模块DBFFPN（dynamic boundary fusion feature pyramid network），并新增小目标检测层，聚合浅层的边界信息和深层的语义信息，提高模型抗遮挡检测能力；在损失函数部分，提出MFShape-IoU替换原模型CIoU，使得模型更关注边界框自身形状和尺度信息，聚集困难样本，提高目标定位精度。在公开数据集CBD上进行实验，结果表明，改进后的算法相比YOLOv8n，mAP@0.5提升4.1个百分点达到93.0%，mAP@0.5：0.95提升4.2个百分点达到57.1%。同时算法精度高于YOLOv8s，复杂度远低于YOLOv8s，符合在移动设备上部署的需求。

关键词：复杂背景,反无人机,小目标检测,YOLOv8,注意力机制