融合多尺度层级特征的航拍小目标检测.pdfVIP

2302025，61（9）ComputerEngineeringandApplications计算机工程与应用

融合多尺度层级特征的航拍小目标检测

11，2311+11

杨鸿丹，付贵，邵慧超，汪艺欣，邵延华，楚红雨，邓琥

1.西南科技大学信息工程学院，四川绵阳621010

2.中国民航飞行学院飞行技术学院，四川广汉618307

3.立得空间信息技术股份有限公司，武汉430070

+通信作者E-mail：syh@

摘要：针对航拍图像大视野、小尺寸、分布密集从而导致小目标检测精度低的问题，提出一种基于YOLOv8改进的

融合多尺度特征的航拍检测算法，构建了轻量化的L-MobileViT模块捕获特征间的有效关系，减缓信息丢失，提高模

型的检测性能。提出了多层级的多尺度融合模块HF（hierarchicalfusion），融合深层级的语义信息与底层级空间纹

理信息，提高密集场景下小目标的检测能力。在YOLOv8基础上增加小目标检测头删减大目标检测头，提升小目标

检测能力，减少小目标的漏检。实验结果表明，改进后的模型在VisDrone2019与UAV航拍交通小目标数据集（UAV-

TrafficTinyDataset）中取得了较优的效果，与基线模型相比，mAP@50分别提高17.6%、15.7%，对小目标的检测效果

有明显的提升，综合性能优于主流的航拍检测算法，表明改进算法具有更优泛化性与鲁棒性，适用于航拍场景下的

检测任务。

关键词：航拍图像；小目标检测；多层级特征融合；L-MobileViT；YOLOv8

文献标志码：A中图分类号：TP183；TP391.41doi：10.3778/j.issn.1002-8331.2408-0105

SmallObjectDetectioninAerialImageryUsingMulti-ScaleHiearchicalFeatureFusionBasedApproach

11,2311+11

YANGHongdan,FUGui,SHAOHuichao,WANGYixin,SHAOYanhua,CHUHongyu,DENGHu

1.SchoolofInformationEngineering,SouthwestUniversityofScienceandTechnology,Mianyang,Sichuan621010,China

2.CollegeofFlightTechnology,CivilAviationFlightUniversityofChina,Guanghan,Sichuan618307,China

3.LeadorSpatialInformationTechnologyCorporation,Wuhan430070,China

Abstract：Aimingattheproblemoflowaccuracyindetectingsmallobjectsduetolargefieldofview,smallobjectsize,

anddensedistributioninaerialimages,amulti-scalefeaturefusionaerialdetectionalgorithmbasedonimprovedYOLOv8

isproposed.Firstly,alightweightL-MobileViTmoduleisconstructedtocaptureeffectiverelationshipsbetweenfeatures,

mitigateinformationloss,andimprovethedetectionperformanceofthemodel.Secondly,ahierarchicalmulti-sc