基于YOLOv8-obb的轻量化遥感图像目标检测网络优化研究OA
随着遥感技术的快速发展,遥感图像目标检测在环境监测、国防安全等领域具有重要意义。然而,遥感图像中目标的多尺度特性及复杂背景导致传统检测算法精度不足。本文提出一种改进的YOLOv8-obb算法,通过引入混合局部通道注意力模块和动态上采样模块,并采用轻量化的RepNCSPELAN模块替换原C2f模块,优化网络结构。在DOTA数据集上的实验结果表明,改进算法的平均精度均值N_(mAP50)提升2.3%,模型参数量从3.1×10^(6)降至2.2×10^(6),计算量从8.5个十亿次浮点运算(GFLOPs)减少至6.2个GFLOPs。DIOR数据集的进一步验证显示N_(mAP50)提升1.5%。对比实验结果表明,该算法在检测精度、模型轻量化和计算效率方面均优于YOLOv5n、YOLOv6n等经典模型,显著提升了复杂场景下多尺度目标的检测性能。
李永建;鞠希来;孙一帆;颜震;吴浠瑗;纪松
信息工程大学,河南郑州450001嘉兴市主动光电探测技术重点实验室,浙江嘉兴314000信息工程大学,河南郑州450001信息工程大学,河南郑州450001信息工程大学,河南郑州450001信息工程大学,河南郑州450001 智慧地球重点实验室,北京100029
天文与地球科学
目标检测遥感图像注意力机制轻量化YOLOv8-obb算法
《测绘科学技术学报》 2026 (3)
P.284-295,12
国家自然科学基金项目(42371459)嵩山实验室项目(221100211000-5)
评论