基于改进的YOLOv8s的无人机视角下行人检测方法

打开文本图片集

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。（剩余13471字）