改进YOLOv8网络的小目标识别算法研究

来源：机械与电子杂志2026年第03期北京时间：

作者：芮雪;王娜

单位： (新疆师范高等专科学校(新疆教育学院),新疆 乌鲁木齐 830043)

摘要：针对传统YOLOv8网络在复杂厂房环境下进行小目标检测时,存在漏检率高、误检多、检测速度不足以及特征提取能力弱等问题,提出了一种融合多路径特征与注意力机制的改进方法。具体而言,为解决小目标特征表达能力弱、易受背景干扰的问题,引入了CA 注意力机制以增强对关键区域的关注并抑制背景噪声;为提升多尺度特征融合能力并保留更多细节信息,构建了双向加权特征金字塔网络BiFPN;同时,为兼顾检测速度与模型效率,采用了双分支输入结构,将图像输入分成GhostNet路径输入和主干神经网络路径输入,实现轻量化特征提取。此外,通过卷积Conv,进一步优化了特征表示与分类精度。最终,将所提改进模型应用于厂房环境的目标识别任务,结果表明,改进后的YOLOv8 网络,召回率、准确率、mAP50:95和mAP50分别提高了6.7百分点 、11.0百分点 、6.2百分点 和9.1百分点。

关键词：小目标;YOLOv8;GhostNet;CA 注意力机制;双向加权特征金字塔