LESO-Net:一种轻量高效的小目标分割网络

来源：南京信息工程大学学报·自然科学版杂志2025年第6期北京时间：

作者：丁正龙，胡一凡，杜元洪，徐炜杰，魏哑美，姚选

单位：丁正龙,南京信息工程大学 人工智能(未来技术)学院, 南京, 210044,胡一凡,南京信息工程大学 人工智能(未来技术)学院, 南京, 210044,杜元洪,南京信息工程大学 人工智能(未来技术)学院, 南京, 210044,徐炜杰,南京信息工程大学 沃特福德学院, 南京, 210044,魏哑美,南京信息工程大学 人工智能(未来技术)学院, 南京, 210044,姚选,南京信息工程大学 沃特福德学院, 南京, 210044

摘要：图像内的部分小目标因其具有形状不规则以及边界模糊等特征,在分割处理时常常遭遇诸多挑战,主要包括特征提取困难、边缘细节丢失、噪声干扰显著等.针对以上问题,本文提出一种基于YOLOv8n-seg模型的轻量高效的小目标分割网络LESO-Net.首先,使用可变形卷积网络(DCNv2)替换骨干网络中的C2f模块,以提高对不同形状小目标的特征提取和自适应泛化能力;然后,将大可分离核注意力(LSKA)模块引入到颈部网络中,以提高分割精确度,降低计算复杂度和内存占用;最后,通过对损失函数进行优化,改善类别不平衡和边界框精确度不足的问题.在自建的气泡数据集和SAR公共图像数据集(HRSID)上进行的实验结果表明,改进后的网络LESO-Net与原始YOLOv8n-seg模型相比,精确度分别提高1.2和2.5个百分点,mAP50分别提高0.2和1.2个百分点,参数量减少10%,证明所提出的LESO-Net模型具有较好的综合性能,能够满足复杂场景中小目标分割任务的要求.

关键词：小目标;YOLOv8n-seg;可变形卷积;大可分离核注意力

基金资助：国家自然科学基金青年项目(62303231);南京信息工程大学人才启动基金(2024r058)