来源：期刊VIP网 时间：
作者：冉险生;刘圣斌;
单位：重庆交通大学机电与车辆工程学院;
摘要：针对现有无人机航拍图像目标检测算法检测精度较低、检测小尺度车辆误差较大等问题，提出一种改进YOLOv8的无人机车辆检测算法Improve-YOLOv8。首先，在骨干网络中的C2f卷积层引入可变形卷积模块DCNv2，提高骨干网络适应不规则空间结构的能力，增强模型对遮挡重叠小目标的检测能力；其次，借鉴Large Separable Kernel Attention的思想，提出具有长程依赖性与自适应能力的SPPF-LSKA模块，有效减少背景对航拍图像检测的干扰；然后，通过引入DyHead检测头，融合尺度、空间和任务三种注意力机制提升模型检测性能；最后，使用WIoUv3作为边界框回归损失，采用明智的梯度分配策略提高模型的定位能力。实验结果表明，在Mapsai数据集上Improve-YOLOv8相较于基准模型，在准确率、召回率、平均精度上分别提升了5.1%、6.1%和5.1%，表现出良好的检测性能，具有实际应用潜力。
关键词：无人机航拍图像;;小目标;;YOLOv8;;目标检测;;可变形卷积;;注意力机制
