基于无锚旋转框的航拍图像车辆全向检测方法

来源：交通运输系统工程与信息杂志2025年第4期北京时间：

作者：王维锋, 黄建鑫, 王晓全, 吴昕韩, 卞子馨

单位：河海大学，土木与交通学院，南京210098

摘要：交通场景的航拍图像具有背景复杂，车辆长宽比分布不均，以及车辆航向角动态多变等特点，导致车辆检测任务中易出现漏检或误检问题。为此，本文通过改进YOLOv8-OBB(You Only Look Once version 8-Oriented Bounding Box)网络，提出一种针对航拍图像的车辆全向检测方法。首先，在网络的颈部引入可选择性大核注意力机制(Large Selective Kernel Attention Mechanism, LSKAM)，增强对不同长宽比车辆的特征提取能力；其次，为提升对背景与目标的区分能力，在头部的路径聚合网络(Path Aggregation Network, PANet)中增加维度为10×10的深层特征提取模块；最后，在网络的颈部加入VoV-GSCSP(VoVNetGSConv Cross Stage Partial)轻量化模块兼顾检测精度与速度。在大规模数据集Drone-Vehicle上的实验结果表明，相较于Oriented-R-CNN(Oriented-Regions with Convolutional Neural Networks)、R-YOLOv3-tiny、YOLOv6OBB、YOLOv8-OBB和YOLOv12-OBB等典型检测方法，本文方法具有更优的检测精度和更低的计算复杂度，针对“Car” “Bus”类别的检测精度超过95%，且针对所有类别车辆的平均检测精度为73.7%，计算复杂度为26.9 GFLOPs(Giga Floating-Point Operations per Second)；同时，通过无人机实地采集数据进行验证，表明本文方法可有效减少漏检与误检问题，满足航拍视角下的车辆全向检测任务要求。

关键词：智能交通,车辆检测,YOLOv8-OBB,航拍图像,注意力机制

基金资助：中央高校基本科研业务费专项基金 (B240201168)；江苏省交通运输科技项目 (2024Y19)。