MSAL-YOLO：基于改进YOLOv8的无人机航拍目标检测方法

《Scientific Reports》：MSAL-YOLO: a YOLOv8-based detector for small and densely distributed object detection in UAV aerial imagery

　　

摘要

无人机航拍图像中的目标检测极具挑战性，原因在于目标尺度小、分布密集、存在遮挡以及背景复杂。为解决这些问题，我们提出了 MSAL-YOLO，这是一种基于改进 YOLOv8 的航拍目标检测器。具体来说，引入了空间 - 通道混合卷积（SCMConv）模块，通过结合标准卷积和空洞卷积来增强局部特征提取。此外，设计了一种多分支增强坐标注意力（MBECA）机制，以加强空间依赖建模和上下文交互。另外，开发了一种区域自适应 Wise-IoU（RA-WIoU）损失函数，通过增加小目标在训练过程中的贡献来缓解尺度不平衡问题。在 VisDrone2019 数据集上的实验表明，MSAL-YOLO 将 mAP@0.5 和 mAP@0.5:0.95 分别从 30.0% 和 17.0% 提升至 35.7% 和 20.5%，同时保持了具有竞争力的模型复杂度。在 DOTAv1 上的跨数据集实验进一步证明了所提方法的鲁棒性和泛化能力。这些结果表明，MSAL-YOLO 为复杂场景下的无人机航拍目标检测提供了一种有效的解决方案。