|
|
无人机夜间航拍视角下小目标车辆精确检测方法
郑展骥, 廖方正, 李燊, 冯昌奎, 凃强, 张河山, 徐进
2026, 26(3):
247-258.
DOI: 10.16097/j.cnki.1009-6744.2026.03.023
夜间无人机航拍图像存在照度低、噪声强和目标小等固有缺陷,致使车辆检测的误检率与漏检率持续偏高。为此,本文提出一种夜间航拍车辆检测算法NS-YOLOv8(Night Spin-You Only Look Once version8),旨在提升低照度环境下对航拍小目标车辆的检测精度。该算法在输入端采用两阶段图像增强策略,通过噪声抑制与色彩还原对图像进行修复与增强。在此基础上,网络主体引入一种精简的4层特征金字塔架构以减少冗余并优化特征表达 ;进而,在颈部网络嵌入可变注意力机制,增强模型对目标区域的关注能力;最终,通过对骨干与颈部网络的交叉融合,实现深、浅层级特征的高效互补与整合。试验结果表明,NSYOLOv8检测精度优于Oriented-R-CNN(Oriented Region-based Convolutional Neural Network)、YOLOv6OBB(You Only Look Once version 6- Oriented Bounding Box)等算法,模型的 Precision、mAP@0.5-0.95和F1_score分别达到了96.8%、80.3%和96.5%,参数量和计算量分别为1.3M和12.1G。可视化分析进一步表明,该算法有效减少了夜间客货车的误检与漏检问题,提升了检测置信度,适用于低照度环境下的小目标精确检测任务。
参考文献 |
相关文章 |
计量指标
|