基于ＹOLOv8s改进的小目标检测算法

打开文本图片集

摘 要：针对目标检测任务中小目标尺寸较小、背景复杂、特征提取能力不足、漏检和误检严重等问题，提出了一种基于ＹＯＬＯｖ８ｓ 改进的小目标检测算法———Ｉｍｐｒｏｖｅｄｖ８ｓ。Ｉｍｐｒｏｖｅｄｖ８ｓ 算法重新设计了特征提取和特征融合网络，优化检测层架构，增强浅层信息和深层信息的融合，提高了小目标的感知和捕获能力；在特征提取网络中使用部分卷积（ＰａｒｔｉａｌＣｏｎｖｏｌｕｔｉｏｎ，ＰＣｏｎｖ） 和高效多尺度注意力（Ｅｆｆｉｃｉｅｎｔ Ｍｕｌｔｉｓｃａｌｅ Ａｔｔｅｎｔｉｏｎ，ＥＭＡ） 机制构建全新的Ｆ＿ Ｃ２ ｆ＿ ＥＭＡ，在降低网络参数量和计算量的同时，通过通道重塑和维度分组最大化保留小目标的特征信息；为了更好地匹配小目标的尺度，优化调整ＳＰＰＣＳＰＣ 池化核的尺寸，同时引入无参注意力机制（Ｓｉｍｐｌｅｐａｒａｍｅｔｅｒｆｒｅｅ Ａｔｔｅｎｔｉｏｎ Ｍｏｄｕｌｅ，ＳｉｍＡＭ），加强复杂背景下小目标特征提取；在Ｎｅｃｋ 部分使用轻量级上采样模块———ＣＡＲＡＦＥ，通过特征重组和特征扩张保留更多的细节信息；引入了全局注意力机制（Ｇｌｏｂａｌ Ａｔｔｅｎｔｉｏｎ Ｍｅｃｈａｎｉｓｍ，ＧＡＭ） 通过全局上下文的关联建模，充分获取小目标的上下文信息；使用ＧＳＣｏｎｖ 和Ｅｆｆｅｃｔｉｖｅ ＳｑｕｅｅｚｅＥｘｃｉｔａｔｉｏｎ （ＥｆｆｅｃｔｉｖｅＳＥ） 设计全新的Ｇ＿Ｅ＿Ｃ２ ｆ，进一步降低参数量，降低模型的误检率和漏检率；使用ＷＩｏＵ 损失函数解决目标不均衡和尺度差异的问题，加快模型收敛的同时提高了回归的精度。（剩余19064字）