原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
ComputerEngineeringandApplications计算机工程与应用2024，60（9）79
⦾YOLOv8改进及应用专题⦾
优化改进YOLOv8实现实时无人机车辆检测的算法
112
史涛，崔杰，李松
1.天津理工大学电气工程与自动化学院，天津300384
2.华北理工大学电气工程学院，河北唐山063210
摘要：针对现有无人机车辆检测算法精度低、易受背景环境干扰、难以检测微小目标车辆问题，提出了一种改进
YOLOv8的无人机车辆检测算法YOLOv8-CX。结合DeformableConvolutionalNetworksv1-3的优点，提出一种
能够灵活采样特征的C2f-DCN模块，以更好地提取不同尺寸大小车辆之间的特征。利用LargeSeparableKernel
Attention的思想，提出了具有长程依赖性和自适应能力的SPPF-LSKA模块，可以有效减少背景对于车辆检测的干
扰。在颈部网络，采用CF-FPN（mentnetworkfortinyobjectdeteciton）特征融合结构，通过结合上下文信息和抑制
不同尺度特征之间的冲突信息，提升了对小目标的检测精度。最后，将原始YOLOv8的头部替换为DynamicHead
检测头。通过将尺度、空间和任务三种注意力机制结合统一，进一步提升了模型的检测性能。实验结果表明，在
Mapsai数据集上，改进算法与原算法相比准确率（P）、召回率（R）、平均精度（mAP）分别提升了8.5、11.2和6.2个百分
点，且算法检测速度达到72.6FPS，满足无人机车辆检测实时性的要求。通过与其他主流目标检测算法比较，验证了
该方法的有效性和卓越性。
关键词：无人机车辆检测；YOLOv8；可变形卷积；注意力机制；特征融合
文献标志码：A中图分类号：TP391.4doi：10.3778/j.issn.1002-8331.2312-0291
AlgorithmforReal-TimeVehicleDetectionfromUAVsBasedonOptimizingandImprovingYOLOv8
112
SHITao,CUIJie,LISong
1.SchoolofElectricalEngineeringandAutomation,TianjinUniversityofTechnology,Tianjin300384,China
2.CollegeofElectricalEngineering,NorthChinaUniversityofScienceandTechnology,Tangshan,Hebei063210,China
Abstract：Toaddresstheproblemsoflowaccuracy,easyinterferencefrombackgroundenvironmentanddifficultyin
detectingsmalltargetvehiclesofexistingUAVvehicledetectionalgorithms,animprovedUAVvehicledetectionalgo-
rithmYOLOv8-CXisproposedbasedonYOLOv8.ByintegratingtheadvantagesofDeformableConvolutionalNetworks
v1-3,aC2f-DCNmoduleisproposedtoflexiblysamplefeaturesandbetterextractfeaturesbetweenvehiclesofdifferent
sizes.Utilizingthei
文档评论（0）