来源：期刊VIP网 时间：
作者：雷帮军;余翱;吴正平;余快;
单位：湖北省水电工程智能视觉监测重点实验室;三峡大学计算机与信息学院;水电工程视觉监测宜昌市重点实验室;
摘要：针对无人机航拍图像目标密集、尺度小、特征信息易丢失、漏检和误检严重，提出一种基于YOLOv8n改进的航拍小目标检测算法GI-YOLOv8n。GI-YOLOv8n重新设计网络结构，改进特征融合网络，加入跨层连接，最大化保留小目标位置细节信息和语义信息，新增极小目标检测层，提高检测精度；引入基于注意力机制的动态检测头，并用轻量化卷积模块GSConv进行改进，在尺度感知、空间感知、任务感知方面加强小目标的定位性能；最后引入Inner-CIoU损失函数，使用辅助边界框计算损失，加快模型回归速度，提高检测性能。实验结果表明，在VisDrone2019数据集上，GI-YOLOv8n的精确率、召回率、平均检测精度分别为50.7%、39.8%、41.5%，相较于YOLOv8n分别提高了7.1%、7.4%、8.7%，检测速度为81 f/s，满足航拍目标检测实时性要求。对比其他航拍目标检测算法，检测精度和速度均有提升。
关键词：无人机航拍;;特征融合;;小目标检测层;;注意力机制;;动态检测头;;损失函数
基金资助：水电工程智能视觉监测湖北省重点实验室建设（2019ZYYD007）项目资助
