双向多尺度特征融合的无人机检测算法.pdfVIP

ComputerEngineeringandApplications计算机工程与应用2025，61（10）267

双向多尺度特征融合的无人机检测算法

+

汤栎，贾渊，张玉宁

西南科技大学计算机科学与技术学院，四川绵阳621010

+通信作者E-mail：114997152@

摘要：针对在公园、学校、机场等公共区域的复杂背景中，“黑飞”无人机目标尺度多变、模糊和遮挡等导致不易识

别的问题，提出一种改进YOLOv8n的无人机目标检测算法。通过在C2f模块中融合RepViTBlock结构和高效多尺

度注意力机制EMA（efficientmulti-scaleattention）改进Bottleneck块，设计了C2f-RVB模块，在减少参数的情况下增

强模型对多尺度特征信息的提取能力；在颈部特征融合网络中构建动态边界融合模块DBFFPN（dynamicboundary

fusionfeaturepyramidnetwork），并新增小目标检测层，聚合浅层的边界信息和深层的语义信息，提高模型抗遮挡

检测能力；在损失函数部分，提出MFShape-IoU替换原模型CIoU，使得模型更关注边界框自身形状和尺度信息，聚

集困难样本，提高目标定位精度。在公开数据集CBD上进行实验，结果表明，改进后的算法相比YOLOv8n，mAP@

0.5提升4.1个百分点达到93.0%，mAP@0.5：0.95提升4.2个百分点达到57.1%。同时算法精度高于YOLOv8s，复杂度远

低于YOLOv8s，符合在移动设备上部署的需求。

关键词：复杂背景；反无人机；小目标检测；YOLOv8；注意力机制

文献标志码：A中图分类号：TP391doi：10.3778/j.issn.1002-8331.2407-0401

UAVDetectionAlgorithmBasedonBidirectionalMulti-ScaleFeatureFusion

+

TANGYue,JIAYuan,ZHANGYuning

CollegeofComputerScienceandTechnology,SouthwestUniversityofScienceandTechnology,Mianyang,Sichuan

621010,China

Abstract：AUAVtargetdetectionalgorithmwithimprovedYOLOv8nisproposedtoaddressthedifficultyofrecognizing

“black-flying”UAVtargetsincomplexenvironmentssuchasparks,schools,andairports,wheretargetsvaryinscale,are

blurred,andoccluded.TheC2f-RVBmoduleisdesignedbyfusingtheRepViTBlockstructureandefficientmulti-scale

attention(EMA)toimprovetheBottleneckblockintheC2fmodule,enhancingthemulti-scalefeatureextractioncapa-

bilitiesofthemodelwithfewerparameters.Furthermore,adynamicboundaryfusionmoduleDBFFPN(dynamicbound-

aryfusionfeaturepyramidnetwork)isconstructedintheneckfeaturefusionnetwork,andanewsmalltargetdetection

layerisaddedtoaggregateshallowboundaryinfor