UAV-YOLOv8: модель обнаружения малых объектов на основе улучшенной YOLOv8 для аэрофотосъёмки с БПЛА

Обнаружение объектов на изображениях, полученных с беспилотных летательных аппаратов (БПЛА), играет важную роль в гражданской, коммерческой и военной сферах. Однако высокая доля малых объектов на таких изображениях и ограниченные ресурсы бортовых платформ приводят к низкой точности большинства существующих моделей, используемых на БПЛА, что затрудняет достижение оптимального баланса между эффективностью обнаружения и потреблением ресурсов. Для решения этих проблем мы оптимизировали YOLOv8 и разработали модель обнаружения объектов для задач аэрофотосъёмки с БПЛА, получившую название UAV-YOLOv8. Во-первых, в качестве функции потерь для регрессии ограничивающих рамок использована Wise-IoU (WIoU) v3; стратегия адаптивного распределения градиента позволяет модели уделять больше внимания образцам обычного качества и тем самым повышает точность локализации. Во-вторых, для оптимизации базовой сети внедрён механизм внимания BiFormer, усиливающий внимание модели к критически важной информации. Наконец, разработан модуль обработки признаков Focal FasterNet block (FFNB) и предложены два новых уровня обнаружения на его основе, что обеспечивает полноценное объединение мелкомасштабных и глубинных признаков. Разработанная сеть многоуровневого слияния признаков значительно повысила эффективность обнаружения и снизила частоту пропуска малых объектов. Экспериментальные результаты показали, что по сравнению с базовой моделью предложенная модель имеет меньше параметров, а её средняя точность обнаружения выше на 7,7%. По совокупной эффективности она значительно превосходит другие распространённые модели. Предложенный метод эффективно повышает способность обнаруживать малые объекты. При этом эффективность обнаружения малых объектов без выраженных признаков, например транспортных средств велосипедного типа, ещё можно улучшить; этому будет посвящено дальнейшее исследование.