计量学报

作者：张立国,袁煜淋,金梅,张琦,吴文哲

单位：燕山大学电气工程学院,河北秦皇岛066004

关键词：机器视觉;YOLOv8n;AFPN;SA注意力;SPD-Conv;MPD损失函数

基金：国家重点研发计划(2020YFB1711001);河北省军民融合产业发展专项(2018B190)

针对低空无人机目标的误检漏检等问题,提出改进YOLOv8n的算法模型ASSM-YOLO。首先,添加小目标检测头并使用AFPN替换原有Neck结构,渐近融合低层与高层特征;其次,引入SA注意力机制增强对无人机目标的感知能力;再次,将主干网络卷积层替换为SPD-Conv,改善卷积过程中特征丢失问题;最后,替换损失函数MPDIoU Loss,优化回归损失计算。在DUT-UAV数据集上的实验表明:ASSM-YOLO算法的平均精度值RmAP@0.5、RmAP@0.75和RmAP@0.5∶0.95结果为92.5%、72.2%和62.9%,较原YOLOv8n网络分别提升了5.9%、8.3%和6.5%,显著提升了无人机目标的检测精度。

来源：2024年第10期

《计量学报》期刊编辑部

查看计量学报杂志2024年第10期