基于YOLOv8的无人机小目标检测算法优化研究

Journal: Advances in Computer and Autonomous Intelligence Research DOI: 10.12238/acair.v3i1.11894

王玉莹, 李旭, 曹书怡, 张荣成

山东工程职业技术大学

Abstract

本研究通过优化YOLOv8算法提升无人机小目标检测的精度、实时性和鲁棒性。引入数据增强、注意力机制和多尺度训练等策略,显著提高了模型对小目标的检测能力。实验使用UAVDT和VisDrone数据集优化后YOLOv8模型的mAP从0.61提升至0.78,Precision和Recall分别提高至0.83和0.80。实时性方面,优化后模型FPS提升至58帧/秒推理时间减少至17ms。鲁棒性测试表明优化模型在光照变化、背景噪声和目标遮挡等干扰下精度提高约10%。结果表明,优化后的YOLOv8在小目标检测中表现优异满足无人机实时检测需求。

Keywords

YOLOv8；优化算法；小目标检测；数据增强

Funding

山东工程职业技术大学校内科研基金项目“基于YOLOv8的航拍无人机小目标检测”(项目编号：SGZK024)。

References

[1] 李姝,李思远.基于YOLOv8无人机航拍图像的小目标检测算法研究[J].小型微型计算机系统,2024,45(9):2165-2174.
[2] 赵继达,甄国涌,储成群.基于YOLOv8的无人机图像目标检测算法[J].计算机工程,2024,50(4):113-120.
[3] 孙佳宇,徐民俊,张俊鹏,等.优化改进YOLOv8无人机视角下目标检测算法[J].计算机工程与应用,2024,61(1):109-120.

Copyright © 2025 王玉莹, 李旭, 曹书怡, 张荣成

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License