基于YOLOv8n的无人机小目标检测算法

针对无人机航拍图像中小目标特征信息少、目标尺度变化大致使算法的小目标识别与定位精度不高的问题，提出一种基于YOLOv8n的无人机小目标检测算法。在检测层，设计多尺度特征融合模块，专门针对小目标进行特征提取和处理，进而提高对小目标细节信息的收集能力；在颈部网络，引入三重特征融合模块和尺度序列特征融合模块，把底层特征图的细节信息与高层特征图的语义信息融合起来，提高不同尺度目标的检测能力；在骨干网络，采用ConvNeXt v2替换骨干网络，增强复杂背景下小目标的定位能力和特征提取能力。此外，为了优化模型在嵌入式系统的部署，采用层自适应幅度剪枝算法平衡模型的计算复杂度与检测精度。最后，利用VisDrone2019数据集对算法性能进行检测，并与几个主流模型进行对比。实验结果表明，改进算法检测精度mAP50达到了30.2%，与基准模型YOLOv8n相比提升了3.8百分点，参数量降低了1.63×106。