来源：期刊VIP网 时间：
作者：陈振羽;贾明宾;周箩鱼;
单位：长江大学电子信息与电气工程学院;中国石油集团测井有限公司;
摘要：针对无人机视角下行人检测中的挑战，如目标尺寸小、分布密集，以及硬件平台限制导致的模型准确率低等问题，提出一种多特征选择机制融合的YOLOv8s改进模型。首先，在YOLOv8s主干网络中结合多尺度上下文信息聚合机制（MSCA）的优点，设计增强型卷积金字塔瓶颈（ECPB）模块，增强主干网络的特征提取能力；其次，利用大型可分离卷积模块（LSKA）的思想优化YOLOv8s空间金字塔池化层，提升不同特征层间的语义融合，捕获更多目标信息；最后，将YOLOv8s的头部替换为新设计的任务动态自适应检测头（TADH），丰富分类和定位信息的交互，加强特征融合能力，提升模型的检测效率和检测准确率。实验结果表明，改进后的模型在自制数据集上mAP@0.5、mAP@0.5:0.95分别提升了1.9%、5.6%，模型参数量降低了10.5%，并且改进后的模型检测速度达到了140 f/s，能有效实现对无人机视角下行人检测任务快速、准确的检测。同时，在公共数据集（VisDrone2019数据集和CARPK数据集）上的测试也证明了该模型能够适应不同小目标的检测，具有较好的泛化性能。
关键词：无人机;;小目标检测;;YOLOv8s;;多特征选择;;特征融合;;任务动态对齐
基金资助：国家自然科学基金项目（61901059）
