基于CEF-YOLOv8n的无人机航拍图像小目标检测方法研究

《Sensors》：Research on a CEF-YOLOv8n-Based Method for Small Object Detection in UAV Aerial Imagery

　　

针对无人机（UAV）小目标检测任务中目标占比高、分辨率低及显著多尺度变化带来的识别挑战，研究人员提出了一种基于CEF-YOLOv8n的UAV小目标检测与识别算法。该算法以YOLOv8n为基线网络，在骨干网络中引入基于部分卷积的跨部分特征（CPF）模块，以增强对低分辨率小目标的局部特征提取能力。在颈部网络中，采用特征聚焦与扩散的概念构建聚焦广义特征金字塔网络（FGFPN）。设计了一种基于交叉注意力机制的特征语义融合模块（FSFM），以互补融合浅层细节特征与深层语义特征，从而增强不同尺度目标间的信息交互。此外，研究人员提出了一种轻量级权重共享检测头（LWSD），在保持检测精度的同时提高模型的计算效率与实时性能。研究人员使用公开数据集进行网络训练与检测评估，并与其它算法进行了对比实验。结果表明，所提出的检测与识别算法在mAP₅₀和mAP_50-95上分别达到37.6%和22.6%，相比原始YOLOv8n提升了3.4和2.6个百分点。同时，参数量和FLOPs分别从3.2 M和8.7 G降至2.5 M和6.9 G。

无人机航拍图像中的小目标检测面临目标占比高、分辨率低、尺度变化显著及密集分布等挑战，现有方法在多次卷积与尺度变换中易丢失局部细节，深浅层特征语义差异大，且检测分支存在重复计算。为此，研究人员基于YOLOv⁸_n提出CEF-YOLOv⁸_n模型，在骨干网络、颈部网络、特征融合阶段及检测头分别引入CPF（基于部分卷积的跨部分特征）模块、FGFPN（聚焦广义特征金字塔网络）、FSFM（特征语义融合模块）和LWSD（轻量级权重共享检测头），旨在保留低分辨率小目标局部细节、增强多尺度信息交互、补充深浅层语义，并控制模型复杂度。该研究发表于《Sensors》，对提升低空智能监控系统及无人机平台上目标检测的实用部署具有重要意义。

研究人员主要采用以下关键技术方法：在骨干网络中使用CPF模块，通过通道分割、部分卷积和跨层特征拼接增强低分辨率小目标特征提取并减少冗余计算；在颈部网络构建FGFPN，利用FFStage（特征聚焦阶段）模块、DySample动态上采样和SPDConv下采样加强跨尺度特征聚合与细节保留；设计FSFM，基于交叉注意力机制实现浅层空间细节与深层语义的互补融合；提出LWSD，通过共享卷积、组归一化和尺度校准机制降低检测头参数量与计算开销。所有实验基于公开的VisDrone2019数据集（包含8599张静态图像，划分8:1:1用于训练、验证和测试），在PyTorch框架下进行，评估指标包括mAP₅₀、mAP_50-95、参数量（Params）和浮点运算次数（FLOPs）。

**4.1 数据集与评估指标**：采用VisDrone2019数据集，涵盖10类目标（行人、自行车、汽车等），图像由无人机在不同高度、视角和复杂背景下采集，具有显著尺度变化和小目标高占比特点。评估指标包括mAP₅₀、mAP_50-95、Params和FLOPs，用于综合衡量检测准确率与模型复杂度。

**4.2 对比实验**：分别对骨干模块、颈部网络和检测头进行对比。CPF模块与GhostC2f、RepC2f、C2f-CA、C2f-EMA比较，CPF在mAP₅₀和mAP_50-95上分别提升0.9和0.6个百分点，参数量和FLOPs降至2.78 M和7.9 G，表明部分卷积与特征保留结构能有效提升低分辨率小目标特征提取并减少冗余。FGFPN与Gold-YOLO、ASF-YOLO、DEA-Net、MFDS-DETR比较，FGFPN达到mAP₅₀ 35.6%和mAP_50-95 21.0%，参数量和FLOPs为3.1 M和8.4 G，优于其他方法，证明FFStage、DySample和SPDConv的协同作用增强了多尺度特征融合且未增加额外计算负担。FSFM与LWSD联合使用（FSFM+LWSD），mAP₅₀和mAP_50-95达35.8%和21.3%，参数量和FLOPs降至2.78 M和7.3 G，表明FSFM提供的增强特征补偿了LWSD权重共享的可能信息损失，LWSD则削减了FSFM引入的额外计算。与RetinaNet、YOLOv5s、YOLOv10n、YOLOv11n、YOLOv11s、SUPERLIGHT-DETR、BDAD-YOLO、DEPA-YOLO等通用算法对比，CEF-YOLOv⁸_n的mAP₅₀为37.6%，mAP_50-95为22.6%，参数量2.5 M，FLOPs 6.9 G，相比YOLOv⁸_n分别提升3.4和2.6个百分点，且参数量和FLOPs更低，在检测准确率与计算复杂度间取得良好平衡。

**4.3 消融实验**：以YOLOv⁸_n为基线，逐步引入各模块。单独引入CPF后mAP₅₀和mAP_50-95升至35.2%和20.7%，参数量和FLOPs降至2.8 M和7.9 G；FGFPN单独引入使两项指标达35.7%和21.2%，参数量和FLOPs为3.1 M和8.4 G；FSFM单独引入使指标升至35.1%和20.8%，但参数量和FLOPs增至3.5 M和9.3 G；LWSD单独引入在几乎不降精度下将参数量降至2.4 M、FLOPs降至6.7 G。两模块组合中，CPF+FGFPN达36.6%和21.7%，CPF+FSFM达36.1%和21.3%，FGFPN+FSFM达36.6%和21.8%，而含LWSD的组合（如CPF+LWSD）参数量最低（2.0 M，FLOPs 5.9 G）。三模块组合中，CPF+FGFPN+FSFM达37.3%和22.3%，CPF+FGFPN+LWSD在参数量2.2 M、FLOPs 6.3 G下达36.7%和21.8%。全模块组合CEF-YOLOv⁸_n达37.7%和22.7%，参数量2.6 M，FLOPs 6.9 G，表明各模块在局部细节提取、多尺度交互、特征融合和模型压缩方面互补，共同实现准确率与计算效率的协同提升。

**4.4 可视化实验**：包括模型性能分析、混淆矩阵和检测性能分析。mAP₅₀和mAP_50-95曲线显示CEF-YOLOv⁸_n在训练后期收敛稳定，优于除YOLOv11s外的所有对比模型。混淆矩阵分析表明，CEF-YOLOv⁸_n平均对角线值达80.92%，较YOLOv⁸_n提升3.22个百分点，对易混淆类别（如三轮车与带篷三轮车、行人与人）的误报率降低，主要归因于CPF、FGFPN和FSFM的协同作用。在不同光照场景（正常光照、黄昏低照度、夜间低照度）的检测结果可视化中，CEF-YOLOv⁸_n对远处、密集分布、低对比度目标均表现出更完整的检测结果，减少了漏检。

**4.5 模型部署实验**：在Jetson Orin Nano Super和Jetson AGX Orin两个嵌入式平台上，使用PyTorch-FP32、TensorRT-FP32和TensorRT-FP16三种推理模式进行测试。在TensorRT-FP16模式下，CEF-YOLOv⁸_n在Orin Nano Super上达到68.1 FPS，平均延迟14.68 ms，峰值内存1280 MB，功耗18.3 W；在AGX Orin上达到129.2 FPS，平均延迟7.74 ms，峰值内存1400 MB，功耗24.2 W。相比YOLOv⁸_n，CEF-YOLOv⁸_n在相同模式下获得更高推理速度和检测精度，且未增加内存占用和功耗，验证了其在资源受限平台上部署的可行性。

总结讨论部分指出，CPF、FGFPN、FSFM和LWSD四个模块在特征表示、跨尺度融合和模型压缩方面发挥互补作用，使模型在检测精度与计算复杂度间取得良好平衡。研究结论翻译如下：为应对无人机航拍图像中小目标的高占比、低分辨率、显著尺度变化和密集分布带来的检测挑战，本研究基于YOLOv⁸_n提出了小目标检测模型CEF-YOLOv⁸_n。通过将CPF、FGFPN、FSFM和LWSD分别引入骨干网络、颈部网络、特征融合阶段和检测头，低分辨率小目标的局部细节、多尺度信息和上下文语义在网络中得到有效利用，同时通过轻量级检测结构控制了模型复杂度。在VisDrone2019数据集上的实验结果表明，CEF-YOLOv⁸_n的mAP₅₀为37.6%，mAP_50-95为22.6%，分别比YOLOv⁸_n提高3.4和2.6个百分点；参数量从3.2 M降至2.5 M，FLOPs从8.7 G降至6.9 G。消融与对比实验表明，各模块在特征表示、跨尺度融合和模型压缩方面互补，使模型在检测精度与计算复杂度间取得良好平衡。在TensorRT-FP16推理下，CEF-YOLOv⁸_n在Jetson Orin Nano Super和Jetson AGX Orin平台上分别达到68.1 FPS和129.2 FPS，平均延迟14.68 ms和7.74 ms，进一步验证了在不同计算资源条件下嵌入式部署的可行性。当前实验主要在VisDrone2019数据集上进行，尚未单独评估不同目标尺寸范围的性能，模型在不同数据集及极端低照度、严重遮挡和超密集目标条件下的泛化能力需进一步验证。此外，嵌入式部署实验主要针对静态测试的推理性能，未量化实际飞行中无人机姿态变化和机身振动对检测性能的影响。未来工作将进行跨数据集验证和尺寸特定目标评估，并利用真实无人机视频序列进一步研究模型在不同飞行条件下的检测稳定性。