3926.
针对无人机航拍图像目标尺度变化多样、小尺度目标识别困难等问题, 本文提出一种多尺度目标识别算法MON-YOLOv8n. 首先, 基于正交通道注意力网络OrthoNets设计C2f_OCA模块, 通过引入注意力机制和正交通道的设计, 改进卷积神经网络多尺度特征提取上的表现, 增强模型对复杂数据的多维度理解. 其次, 引入多尺度边缘增强模块(MEEM)和多阶门控聚合模块(MOGA), 强化物体的边缘细节, 有效减少特征中的冗余信息. 然后, 在骨干和颈部网络中分别引入SPDConv和RepViTBlock模块, 实现模型参数量的降低并提高小尺度目标的检测能力. 最后, 更改目标检测层, 使用NWDLoss损失函数, 进一步增强模型对小目标的检测能力, 提高模型鲁棒性. 实验结果表明, 在HIT-UAV、DroneVehicle和DOTAv1这3个公开数据集上, MON-YOLOv8n模型的
mAP50分别达到95.2%、85.2%和84.1%, 相较于YOLOv8n基线模型分别提高了7.2%、4.8%和5.0%.… …
相似文献