来源：期刊VIP网 时间：
作者：王峣;蒋行国;秦海洋;黎明;刁豪杰;
单位：四川轻化工大学自动化与信息工程学院;人工智能四川省重点实验室;
摘要：航拍小目标检测中，由于图像背景复杂、目标尺度小、空间尺度变化大，导致无人机航拍出现漏检、误检等一系列问题。为提高无人机航拍检测准确性、实时性以及实现轻量化，文中基于YOLOv8n提出一种改进的无人机航拍视角小目标检测方法 WS-YOLO。首先，重构YOLOv8n网络结构，并增加160×160特征图对应预测头，以提高模型对小尺度目标检测的准确性与鲁棒性；然后，主干网络卷积层后嵌入SPD，防止细粒度信息的丢失并学习不太有效的特征表示，以提高对低分辨率图像的识别能力；最后，将CIoU损失函数替换为WIoU(v3)损失函数，以减轻图片质量低下对检测过程的影响。最终实验结果表明，环境、参数相同情况下，在VisDrone2019数据集与AI-TOD数据集上与原算法相比，WS-YOLO精确度能分别提升8.9%与7.7%，其参数量降低且FPS在合理范围，由此验证了提出的WS-YOLO在无人机航拍视角小目标检测中能够提高有效性。
关键词：无人机航拍;;轻量化;;YOLOv8n;;SPD;;WIoU;;VisDrone2019;;AI-TOD
基金资助：四川轻化工大学人才引进项目（2019RC12）
