基于改進的YOLOv8s的無人機視角下行人檢測方法

打開文本圖片集

摘  要： 針對無人機視角下行人檢測中的挑戰(zhàn)，如目標尺寸小、分布密集，以及硬件平臺限制導致的模型準確率低等問題，提出一種多特征選擇機制融合的YOLOv8s改進模型。首先，在YOLOv8s主干網絡中結合多尺度上下文信息聚合機制（MSCA）的優(yōu)點，設計增強型卷積金字塔瓶頸（ECPB）模塊，增強主干網絡的特征提取能力；其次，利用大型可分離卷積模塊（LSKA）的思想優(yōu)化YOLOv8s空間金字塔池化層，提升不同特征層間的語義融合，捕獲更多目標信息；最后，將YOLOv8s的頭部替換為新設計的任務動態(tài)自適應檢測頭（TADH），豐富分類和定位信息的交互，加強特征融合能力，提升模型的檢測效率和檢測準確率。（剩余13471字）