来源：期刊VIP网 时间：
作者：丁卓;杜紫含;
单位：天津科技大学人工智能学院;
摘要：随着无人机技术的迅猛发展及其在多个领域的广泛应用，反无人机技术在国家和社会安全保障方面的作用日益凸显。然而，现有的反无人机系统在复杂场景、多尺度目标检测以及遮挡处理等方面仍存在较为明显的不足。为了解决这些问题，本研究提出了一种基于YOLOv8改进的反无人机目标检测算法PBMSYOLOv8(Position-Based BiLevel Attention with Multi-scale Convolution and Spatial Pooling YOLOv8)，并在DUT-Anti-UAV数据集上进行了充分验证。首先，设计了双层路由注意力模块以提升模型在复杂场景下的特征提取能力。其次，在原始跨阶段部分融合模块中引入多尺度扩张卷积与双阶段特征融合策略，增强模型的多尺度目标检测性能。再次，基于多尺度特征聚合策略对原始快速空间金字塔池化模块进行改进，进一步提升了特征聚合的表达能力和复杂背景下的检测精度。此外，还通过引入动态权重调整机制，结合Wasserstein距离与IoU损失函数，优化了目标定位精度，加快了模型收敛速度。最后，引入改进的红尾鹰优化算法对模型的关键超参数进行优化，显著提升了模型在复杂高维问题中的优化效果和鲁棒性。实验结果表明，相较于原始YOLOv8,PBMS-YOLOv8在DUT-Anti-UAV数据集上表现出更高的检测精度、召回率和mAP，验证了所提方法的有效性和适应性。
关键词：目标检测;;YOLOv8;;反无人机目标检测;;多尺度特征提取;;特征融合;;Wasserstein距离
