计算机应用

作者：肖海林, 田波, 胡彬, 孔祥婷, 吴媛媛, 马仁煜, 张中山

单位：1.湖北大学 计算机学院，武汉 430062；2.湖北大学 人工智能学院，武汉 430062；3.北京理工大学 信息与电子学院，北京 100081

关键词：YOLOv8,小目标检测,多尺度,无人机,WIoU

基金：国家自然科学基金资助项目(61872406);广西重大专项(桂科AA24263034);广西重点研发计划项目(桂科AB25069340);湖北省高等学校优秀中青年科技创新团队计划项目(T2021001)

针对当前无人机（UAV）视角下小目标检测存在的准确率低问题，提出一种基于信道先验多尺度跨轴注意YOLO （CPMS-YOLO）的UAV视角下多尺度小目标检测算法。首先，在骨干网络中融入能在复杂背景下更好地提取和强化有用特征的多尺度注意力模块CPMS（Channel-Prior-Multi-Scale cross-axis attention），该模块使算法能更容易地学习感兴趣区域的位置细节并提高对不同尺度小目标在复杂背景下的特征提取能力；其次，对骨干网络和特征融合网络进行重构，即增加一个具有丰富小目标语义信息的特征层，并通过融合模块MultiSEAM（Multi-scale Separated and Enhancement Attention Module）将上下文特征信息进行互补，从而更好地捕捉和识别小目标；再次，设计C2f-RFE（C2f-Receptive Field Enhancement）模块改进颈部网络中深层的C2f（Faster Implementation of CSP Bottleneck with 2 convolutions）模块，以增加特征图的感受野，从而更准确、更快速且多角度地定位目标特征，进而提升对小目标的检测能力；最后，引入损失函数WIoUv3 （Wise-IoU（Intersection over Union） v3）动态优化小目标的损失权值，以解决边界框回归任务中正负样本之间的差异问题，从而进一步提高对小目标的检测能力。在公共数据集VisDrone2019上的实验结果表明：与基准算法YOLOv8s相比，所提算法的精确率、召回率、mAP50（mean Average Precision at IoU threshold of 50%）和mAP50-95（mean Average Precision at IoU thresholds from 50% to 95%）分别提升了5.9、5.8、6.3和3.6个百分点。可见，基于CPMS-YOLO的UAV视角下多尺度小目标检测算法能更精确地捕捉和识别小目标。

来源：2025年第12期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第12期