基于改進(jìn)的YOLOv8s的無(wú)人機(jī)視角下行人檢測(cè)方法

打開(kāi)文本圖片集

摘  要： 針對(duì)無(wú)人機(jī)視角下行人檢測(cè)中的挑戰(zhàn)，如目標(biāo)尺寸小、分布密集，以及硬件平臺(tái)限制導(dǎo)致的模型準(zhǔn)確率低等問(wèn)題，提出一種多特征選擇機(jī)制融合的YOLOv8s改進(jìn)模型。首先，在YOLOv8s主干網(wǎng)絡(luò)中結(jié)合多尺度上下文信息聚合機(jī)制（MSCA）的優(yōu)點(diǎn)，設(shè)計(jì)增強(qiáng)型卷積金字塔瓶頸（ECPB）模塊，增強(qiáng)主干網(wǎng)絡(luò)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(yǔ)義融合，捕獲更多目標(biāo)信息；最后，將YOLOv8s的頭部替換為新設(shè)計(jì)的任務(wù)動(dòng)態(tài)自適應(yīng)檢測(cè)頭（TADH），豐富分類和定位信息的交互，加強(qiáng)特征融合能力，提升模型的檢測(cè)效率和檢測(cè)準(zhǔn)確率。（剩余13471字）