来源：期刊VIP网 时间：
作者：马静宇;司占军;
单位：天津科技大学人工智能学院;
摘要：YOLOv8模型在检测密集小目标时会产生目标分布密集、尺寸过小导致检测精度低的问题。为了解决这些问题，本研究提出了一种基于改进YOLOv8模型的小目标检测方法。首先，通过引入全局注意力机制（Global Attention Module,GAM），加强了对数据的预测能力，增强了模型的表达能力。其次，在Backbone网络中引入空间深度模块（Space-to-Depth,SPD）用于学习细粒度的特征信息，以减少下采样过程中特征信息的损失。最后，增加了160像素×160像素的特征图层，扩展小目标的特征信息，有效减少了目标漏检的现象。改进后的算法在公开的VisDrone2019无人机小目标数据集上进行了实验，并与现有算法进行对比，实验结果表明，本研究改进模型在小目标检测任务中取得了显著的性能提升，具有更高的准确性和鲁棒性。
关键词：YOLOv8;;小目标;;GAM;;SPD
