改进YOLOv8的轻量级军事飞机检测算法

来源：计算机工程与应用杂志2024年第18期北京时间：

作者：刘丽, 张硕, 白宇昂, 李宇健, 张初夏

单位：1.华北电力大学 计算机系，河北 保定 071000；2.复杂能源系统智能计算教育部工程研究中心，河北 保定 071000

摘要：遥感图像军事飞机检测在侦察预警、情报分析等领域具有重要意义。为使军事飞机检测模型能在算力受限的设备上高效运行，从网络设计与模型压缩两个方面对YOLOv8n进行轻量化改进。在网络设计方面，使用FAS_C2f替换原始主干网络中的C2f模块，减少计算冗余并加快网络特征提取的速度；根据军事飞机目标的尺度特征对网络结构进行优化，缓解因过度下采样导致的小目标信息丢失问题；使用Inner-SIoU作为新的定位回归损失函数，提升对小目标样本的学习能力并加快回归边界框的收敛。在模型压缩方面，使用基于LAMP分数的通道剪枝对重设计后的模型进行压缩，进一步减少参数和模型大小；并利用通道级知识蒸馏（channel-wise knowledge distillation，CWD）将模型精度恢复到接近剪枝前的水平。实验结果表明，在公开军用飞机数据集MAR20上，轻量化后的模型mAP为97.2%，体积仅有0.7 MB，较原始模型缩小了88.3%，FPS提高了14帧/s，满足军事飞机目标检测的实时性要求。

关键词：目标检测,军事飞机,YOLOv8,模型剪枝,知识蒸馏