改进YOLOv8的无人机航拍图像目标检测算法

来源：计算机工程与应用杂志2025年第1期北京时间：

作者：梁燕, 何孝武, 邵凯, 陈俊宏

单位：1.重庆邮电大学 通信与信息工程学院，重庆 400065；2.信号与信息处理重庆市重点实验室，重庆 400065

摘要：针对无人机航拍图像存在多个小目标聚集、目标尺度变化大的问题，提出一种改进YOLOv8的目标检测算法TS-YOLO（tiny and scale-YOLO）。在主干部分去除冗余的特征提取层，设计了一种高效特征提取模块（efficient feature extraction module，EFEM），避免小目标特征消失在冗余信息中。在颈部设计了一种双重跨尺度加权特征融合方法（dual cross-scale weighted feature-fusion，DCWF），融合多尺度信息的同时抑制噪声干扰，提升特征表达能力。通过构建一种参数共享检测头（parameter-shared detection header，PSDH），使回归和分类任务实现参数共享，保证检测精度的同时有效降低了模型的参数量。所提模型在VisDrone-2019数据集上的精度（P）和召回率（R）分别达到54.0%、42.5%；相比于原始YOLOv8s模型，mAP50提高了5.0个百分点，达到44.5%，且参数量减少了55.8%，仅有4.94×106；在DOTAv1.0遥感数据集上，mAP50达到71.9%，仍具有较好的泛化能力。

关键词：目标检测,无人机航拍图像,YOLOv8,小目标,特征融合