来源：期刊VIP网 时间：
作者：杨本臣;代瑄;金海波;
单位：辽宁工程技术大学软件学院;
摘要：针对无人机成像中目标小、背景复杂多样的问题，以及现有目标检测模型在检测精度、参数量和推理速度方面的不足，提出了多尺度上下文特征增强的无人机目标检测算法：(1)使用SASnet骨干网络，在不增加冗余特征的情况下提升特征提取能力；(2)加入多尺度上下文特征增强注意力机制，聚焦不同尺度的特征信息；(3)采用AKConv模型，突破传统固定窗口和采样形状的局限，获取更丰富的上下文信息；(4)使用高效的C2f＿ODConv模块，动态调整卷积核的形状和大小，以适应不同输入数据，提升精确率、召回率和检测精度。实验结果表明，在VisDrone2019数据集上，本文模型相较于YOLOv8模型，检测精度提升2.6%,参数量减少近1 M,推理速度达到147 FPS;相较于YOLOv7-tiny检测精度提升4.7%,参数量减少3.95 MB,计算量减少1.3 G,FPS提升37。在NWPUVHR-10和TinyPerson数据集上，本文模型在精确率、召回率、检测精度以及推理速度等关键指标上均实现显著提升，进一步验证了本文模型的优越性和通用性。
关键词：无人机目标检测;;YOLOv8;;SASnet;;多尺度上下文特征增强注意力;;C2f＿ODConv
基金资助：国家自然科学基金项目(62173171);国家自然科学基金青年基金项目(41801368)
