您当前的位置：
首页 >
文章列表页 >
基于YOLOv8的无人机目标检测改进算法
图形图像处理 | 更新时间：2026-03-27

    • 基于YOLOv8的无人机目标检测改进算法

    • Improved Algorithm for UAV Target Detection Based on YOLOv8

    • “随着无人机技术的迅猛发展，其在日常活动以及军事领域中所引发的安全隐患与日俱增。在此背景下，研究以无人机为检测目标的高效检测算法迫在眉睫。针对现有目标检测算法在复杂场景中对无人机小目标的检测精度与计算量难以兼顾的问题，提出一种基于YOLOv8的改进算法。首先，在YOLOv8的主干网络和颈部网络引入C2fRepGhost模块，用于降低模型的计算复杂度；其次，引入微小目标检测头，并剔除大目标检测头与冗余网络，提升模型对小型目标的识别精度；最后，在检测头结构中引入CBAM，增强模型对关键特征的注意能力。在公共数据集DUT Anti-UAV上的实验结果表明，改进算法在保持快速推理速度和低参数量的同时，达到了95.3%的平均精度，相较YOLOv8m提高了2.2%，计算量降低了69.2 GFLOPs。”
    • 软件导刊   2026年25卷第3期 页码：179-187

    • DOI：10.11907/rjdk.251022    

      中图分类号： TP391

    • 收稿：2025-02-19，

      纸质出版：2026-03-16

    移动端阅览

  • 姜家瑞,刘兆丰,傅迎华.基于YOLOv8的无人机目标检测改进算法[J].软件导刊,2026,25(03):179-187. DOI： 10.11907/rjdk.251022.

    JIANG Jiarui,LIU Zhaofeng,FU Yinghua.Improved Algorithm for UAV Target Detection Based on YOLOv8[J].Software Guide,2026,25(03):179-187. DOI： 10.11907/rjdk.251022.

  •  
  •  

0

浏览量

0

下载量

0

CSCD

文章被引用时，请邮件提醒。
提交
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

基于改进YOLOv8的丁基胶塞表面缺陷检测算法
基于SODM-YOLOv8的无人机图像小目标检测算法
基于Ghost-CA-YOLOv4的果园障碍物检测算法
基于YOLOv8改进的农业复杂场景害虫识别算法
基于深度可分离卷积的自动调制识别

相关作者

吴凡
丁晓波
朱志鹏
王玫
景亮
鲍致远
李凌
朱健文

相关机构

三峡大学 计算机与信息学院
三峡大学 湖北省建筑质量检测装备工程技术研究中心
桂林理工大学 计算机科学与工程学院
桂林理工大学 物理与电子信息工程学院
江苏大学 电气信息工程学院
0