来源：期刊VIP网 时间：
作者：邓立国;吴毅麒;
单位：广东工业大学计算机学院;
摘要：小目标检测在自动驾驶、医学诊断、工业质检等领域的应用需求日益凸显。针对现有小目标检测算法存在的误检、漏检以及检测精度低等问题，提出一种基于改进YOLOv8的小目标检测算法，即PGA-YOLOv8。该算法以YOLOv8为基础模型，结合注意力机制来提高对小目标的定位能力；在特征融合网络中改进特征融合策略（ASFF），增加1个检测层来学习浅层的特征，以更好地利用各层次特征信息；将YOLOv8模型中部分普通卷积替换为分组重组卷积（GSConv）以优化网络结构。最后，在常用基准数据集（VOC2012）和航空图像数据集（AI-TOD）上，以YOLOv8为基准模型设置多组实验，验证改进的各种技术的有效性以及PGA-YOLOv8算法的检测能力。实验结果表明，相较于YOLOv8算法，所提算法在两个数据集中平均精度均值（mAP）分别提高了2.576%和6.389%。
关键词：小目标检测;;YOLOv8;;极化自注意力模块;;自适应空间特征融合策略;;分组重组卷积;;性能评估
基金资助：国家自然科学基金项目(62072120)
