.png){kind=icon}
返回
Small target detection in UAV view based on improved YOLOv8 algorithm
.png){kind=icon}
OA
AI
DOI：10.1038/s41598-024-84747-9.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
检测无人机捕获的目标时面临的主要挑战包括目标图像尺寸小、目标分布密集、类别分布不均匀; 此外，无人机的硬件限制对模型的大小和复杂度施加了约束，这可能导致模型的检测精度较差。针对这些问题，提出了一种基于改进YOLOv8算法的无人机视点小目标检测方法。对YOLOv8n模型进行了以下改进。首先，引入双向特征金字塔网络 (BiFPN) 来增强特征的融合能力。这种改进导致更好地检测小目标。其次，在模型的头部，原来的C2f模块被替换为C3Ghost模块。此更改保持了模型的性能，同时显著降低了计算负荷。最后，检测头增加了通道注意机制。这种机制有助于过滤掉不重要的信息并增强对关键特征的识别。对基于最小点距离的IoU (Minimum Point Distance based IoU) 损失函数进行了改进，采用了inner-IoU损失函数的思想，提高了模型对困难样本的学习能力。在VisDrone数据集上的实验结果表明，具有这些改进的YOLOv8n模型分别在平均精度 (mAP)，精度 (P) 和召回率 (R) 上提高了17.2%，10.5% 和16.2%，并且这些改进显着提高了从无人机角度检测小目标的性能。
Keyword:
Small target detection
Unmanned aircraft
YOLOv8
Feature fusion
Channel attention mechanism
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.9
论文数:
28.0W
被引数:
83.5W
机构
引用论文
Comparative study of layer by layer assembled multilayer films based on graphene oxide and reduced graphene oxide on flexible polyurethane foam: flame retardant and smoke suppression properties.png)
RSC Advances
RSC AdvancesIF0
PREAI
分享收藏GGT-YOLO: A Novel Object Detection Algorithm for Drone-Based Maritime CruisingGgt-yolo: 一种新的基于无人机的海上巡航目标检测算法DRONES
OAAI
DRONESIF4.8
OAAI分享收藏UAV-YOLOv8: A Small-Object-Detection Model Based on Improved YOLOv8 for UAV Aerial Photography ScenariosUAV-YOLOv8: 基于改进YOLOv8的无人机航拍场景小目标检测模型SENSORSOAAI
SENSORSIF3.5
OAAI分享收藏On-Board Small-Scale Object Detection for Unmanned Aerial Vehicles (UAVs)用于无人飞行器 (uav) 的机载小型目标检测DRONESOAAI
DRONESIF4.8
OAAI分享收藏Identification of Asbestos Slates in Buildings Based on Faster Region-Based Convolutional Neural Network (Faster R-CNN) and Drone-Based Aerial Imagery基于更快的基于区域的卷积神经网络 (Faster r-cnn) 和基于无人机的航空图像识别建筑物中的石棉板岩DRONESOAAI
DRONESIF4.8
OAAI分享收藏A Modified YOLOv8 Detection Network for UAV Aerial Image Recognition一种用于无人机航拍图像识别的改进YOLOv8检测网络DRONESOAAI
DRONESIF4.8
OAAI分享收藏
查看更多内容