一种基于改进YOLOv8的轻量化无人机小目标检测方法、设备、介质技术

本发明专利技术提出一种基于改进YOLOv8的轻量化无人机小目标检测方法、设备、介质，属于计算机视觉技术领域。本方法首先通过无人机采集小目标图像数据，然后将YOLOv8的主干网络替换为一种对MobileNetV3框架改进后的CA‑MobieNetV3框架以减少参数和计算量实现模型轻量化，从而适应无人机平台的资源限制。同时也把轻量级的CoordAttention机制引入到多尺度特征图融合阶段以增强目标定位而不大幅增加计算负担，另外增加可以处理更大特征图尺寸的检测头从而提升对小尺度目标的检测能力，最终可以实现高效且准确的多尺度目标检测。

【技术实现步骤摘要】

本专利技术涉及计算机视觉，特别涉及一种基于改进yolov8的轻量化无人机小目标检测方法、设备、介质。

技术介绍

1、随着无人机技术的不断成熟，无人机已经成为现代军事侦察、交通管控、环境监测、灾害响应等多个领域的重要工具。无人机能够快速、准确地识别和跟踪地面或空中的小目标，可以广泛应用于监测城市交通流量、评估环境变化、搜索失踪人员以及监测农作物生长状况等多个任务场景。然而，小目标(如行人、小型车辆、野生动物、病虫害等)在无人机航拍图像中通常分辨率较低、特征不够明显，给无人机的目标检测系统带来了极大的挑战。现有的目标检测技术在一定程度上能够满足基本需求，但在无人机嵌入式平台上部署时，常常面临计算资源有限和检测精度不足的问题。这些问题限制了无人机在实际应用中的性能和效率，尤其是在需要实时响应和精准识别的场合。

2、目前基于深度学习的目标检测算法已经超越了传统目标检测算法得到广泛应用，特别是yolo系列算法，因其检测速度快且准确率高，受到了广泛的关注。yolov8作为该系列的一个重要版本，已经在许多应用场景中取得了较好的表现。尽管yolov8在目标检测本文档来自技高网...

【技术保护点】

1.一种基于改进YOLOv8的轻量化无人机小目标检测方法，其特征在于，其包括以下步骤：

2.根据权利要求1所述的一种基于改进YOLOv8的轻量化无人机小目标检测方法，其特征在于，主干网络采用CA-MobileNetV3框架，对输入图像进行多尺度特征提取，具体方法为：

3.根据权利要求2所述的一种基于改进YOLOv8的轻量化无人机小目标检测方法，其特征在于，

4.根据权利要求3所述的一种基于改进YOLOv8的轻量化无人机小目标检测方法，其特征在于，

5.根据权利要求4所述的一种基于改进YOLOv8的轻量化无人机小目标检测方法，其特征在于，Co...

【技术特征摘要】

1.一种基于改进yolov8的轻量化无人机小目标检测方法，其特征在于，其包括以下步骤：

2.根据权利要求1所述的一种基于改进yolov8的轻量化无人机小目标检测方法，其特征在于，主干网络采用ca-mobilenetv3框架，对输入图像进行多尺度特征提取，具体方法为：

3.根据权利要求2所述的一种基于改进yolov8的轻量化无人机小目标检测方法，其特征在于，

4.根据权利要求3所述的一种基于改进yolov8的轻量化无人机小目标检测方法，其特征在于，

5.根据权利要求4所述的一种基于改进yolov8的轻量化无人机小目标检测方法，其特征在于，coordattention注意力模块将通道注意力机制与空间位置信息结合的具体方法为：

6.根据权利要求5所述的一种基于改进yolov8的轻量化无人机小目标检测方法，其特征在于，颈部网络引入coor...

【专利技术属性】
技术研发人员：翁伟兵，曹卫东，谢永强，王小亮，李忠博，
申请(专利权)人：中国人民解放军三二零零二部队，
类型：发明
国别省市：