| 摘 要： | 针对无人机航拍图像存在多个小目标聚集、目标尺度变化大的问题;提出一种改进YOLOv8的目标检测算法TS-YOLO（tiny and scale-YOLO）。在主干部分去除冗余的特征提取层;设计了一种高效特征提取模块（efficient feature extraction module;EFEM）;避免小目标特征消失在冗余信息中。在颈部设计了一种双重跨尺度加权特征融合方法（dual cross-scale weighted feature-fusion;DCWF）;融合多尺度信息的同时抑制噪声干扰;提升特征表达能力。通过构建一种参数共享检测头（parameter-shared detection header;PSDH）;使回归和分类任务实现参数共享;保证检测精度的同时有效降低了模型的参数量。所提模型在VisDrone-2019数据集上的精度（P）和召回率（R）分别达到54.0%、42.5%;相比于原始YOLOv8s模型;mAP50提高了5.0个百分点;达到44.5%;且参数量减少了55.8%;仅有4.94×106;在DOTAv1.0遥感数据集上;mAP50达到71.9%;仍具有较好的泛化能力。
|
