来源：期刊VIP网 时间：
作者：王松;赵辉;曲文龙;张文涛;
单位：陕西理工大学数学与计算机科学学院;
摘要：针对无人机航拍小目标检测任务中因多尺度和遮挡现象导致的漏检问题，文中提出一种改进的YOLOv8n检测算法FDD-YOLO。首先，在骨干网络中引入了感受野注意力卷积（RFCAConv）模块来提取深层特征，显著提升了特征提取的有效性和准确性；其次，在颈部设计了一种跨尺度加权特征融合模块（FBGM），克服了因目标尺度悬殊致使小目标特征易丢失的难题，在精简网络结构的同时，显著提升了复杂场景下对小目标的精准检测能力；最后，引入了任务对齐动态检测头（TADDH），解决了任务间缺乏有效交互的问题，减少了误检和漏检的情况。通过实验，验证了FDD-YOLO在VisDrone2019数据集上的性能表现，并与最初的YOLOv8n基线模型相比，参数量上升2.7%的同时，精确率（P）提高了4.9%、召回率（R）提升了4.0%、mAP@0.5增加了4.9%、mAP@0.5:0.95提高了3.3%，取得了更好的效果，在无人机航拍目标检测领域更具优势。
关键词：航拍小目标检测;;YOLOv8n;;特征提取;;特征融合;;VisDrone2019;;TADDH
基金资助：陕西省自然科学基础研究计划项目（2024TC-YBQN-0725）
