改进YOLOv8的航拍图像小目标检测算法

针对在航拍图像检测任务中，物体和整体图像尺寸都比较小，尺度特征不一和细节信息不清晰，会造成漏检和误检等问题，提出了一种改进小目标检测算法CA-YOLOv8。设计了一种通道特征部分卷积模块CFPConv(channel feature partial convolution)，基于此重新构造了C2f中的Bottleneck结构，命名为CFP＿C2f，从而替换YOLOv8头部和颈部的部分C2f模块，增强有效通道特征权值，提升多尺度细节特征的获取能力。嵌入一种用以提升上下文聚合能力的模块CAM(context aggregated module)，优化特征通道的响应，强化对深层特征的细节感知能力。添加NWD损失函数，将其与CIoU结合作为定位回归损失函数，降低位置偏差的敏感性。充分运用多重注意力机制的优势，把原有检测头替换为DyHead(dynamic head)。在VisDrone2019数据集的实验中，改进的算法较YOLOv8s原模型参数量降低了33.3%，检测精度mAP50值和mAP50:95分别提升了8.7和5.7个百分点，表现出良好的性能，验证了其有效性。