计算机科学与探索

作者：吕伏, 傅宇恒, 贺丽娜, 杨冬鹏

单位：1. 辽宁工程技术大学 软件学院，辽宁 葫芦岛 1251052. 辽宁工程技术大学 基础教学部，辽宁 葫芦岛 1251053. 无锡飞谱电子信息技术有限公司，江苏 无锡 2140004. 辽宁省水利水电勘测设计研究院有限责任公司，沈阳 110000

关键词：无人机遥感,三维多分支坐标注意力（MBCA）,YOLOv8,多层次特征融合,小目标检测

针对无人机航拍图像小目标占比大和背景复杂的特点，当前目标检测模型存在精度低和小目标漏检等问题。基于YOLOv8s模型，提出了三维多层次特征协同的无人机遥感目标检测算法。首先，在坐标注意力的基础上提出了三维多分支坐标注意力（MBCA），通过增加通道维度的信息交互和扩展分支的拆分融合，减少空间维度的计算量，提高了模型全局特征提取能力。其次，采用SPD-Conv替换部分标准卷积，在下采样时有效保留更多特征信息并加快推理速度。然后，在C2f模块中采用了更高效的FastDBB_Bottleneck模块，结合PConv与DBB结构重参数化叠加，以进一步降低模型计算量。最终，通过引入PG-Detect检测头，显著减少计算量并有效降低小目标的漏检率。在VisDrone2019数据集上的实验结果显示，该方法的mAP50值达到了44.5%，较YOLOv8s基线模型提升了5.7个百分点。同时，在自建水坝裂缝数据集上，进行裂缝检测验证实验，改进方法的mAP50值相比YOLOv8s提升了3.3个百分点，FPS达到289帧。实验结果表明在复杂场景目标检测中，所提方法提升了检测模型的精度和实时性，具有良好的适应性和鲁棒性。

来源：2024年第5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2024年第5期