计算机科学与探索

作者：施宇, 王乐, 姚叶鹏, 毛国君

单位：1. 福建理工大学 计算机科学与数学学院，福州 3501182. 福建理工大学 福建省大数据挖掘与应用技术重点实验室，福州 3501183. 中国科学院 信息工程研究所，北京 1000844. 景区交易数据要素化文化和旅游部技术创新中心，福州 350000

关键词：小目标检测,航拍图像,特征金字塔,损失函数

基金：国家重点研发计划（2019YFD0900800/05）；国家自然科学基金（61773415）；中国科学院青年创新促进会项目（2022159）；福建省自然科学基金面上项目（RSPD2023R868）。

无人机航拍图像具有目标尺度小和背景复杂等特点，因此直接对这类图像使用通用目标检测方法很难获得理想的识别精度。基于YOLOv8，提出一种强化特征金字塔和聚焦损失的小目标检测模型CFE-YOLO。设计一种跨层级强化特征金字塔网络，以跨层级的方式融合注意力特征图来改进传统特征金字塔结构，通过增加浅层网络的高分辨率特征图和去除深层检测头来适应小目标检测需求。结合Complete-IOU和Focal loss损失函数思想，设计了一个基于面积交并比的聚焦损失函数，进一步提升小目标的检测能力。通过引入深度可分离卷积实现一个轻量化空间金字塔池化层模块，在减少参数量的同时保持模型的检测精度。在VisDrone和Tinyperson两个无人机航拍数据集上进行的大量实验显示，CFE-YOLO较基准模型的mAP0.50分别提高了4.72和5.58个百分点且参数量减少37.74%，同时与其他先进算法对比也取得更高的精度。

来源：2025年第3期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2025年第3期