无人机航拍小目标检测太难？YOLO-MARS 一招搞定，精度暴涨 8.1%！

点击蓝字关注我们关注并星标从此不迷路计算机视觉研究院公众号ID计算机视觉研究院学习群扫码在主页获取加入方式https://pmc.ncbi.nlm.nih.gov/articles/PMC12031147/pdf/sensors-25-02534.pdf计算机视觉研究院专栏Column of Computer Vision Institute无人机航拍目标检测一直被小目标太小、分布密集、互相遮挡三大难题卡脖子漏检、误检层出不穷。今天给大家带来一篇最新顶刊论文基于 YOLOv8n 改进的 YOLO‑MARS 模型专门解决航拍小目标检测痛点精度直接拉满PART/1痛点痛点直击无人机检测到底难在哪无人机拍出来的图天生就不好检测目标又小又密占像素极少特征很弱背景复杂遮挡严重容易丢目标传统 YOLOv8n 对小目标不友好深层网络容易丢失浅层细粒度特征市面上的模型要么精度不够要么参数量太大不适合无人机端侧部署。于是团队基于最轻量的 YOLOv8n做了四大硬核改进推出 YOLO‑MARS。PART/2创新四大创新点轻量 高精度双在线1. ERAC 模块小目标特征 “抓得更牢”把普通卷积换成增强残差注意力卷积扩大感受野不放过微小目标加入 SE 通道注意力重点强化小目标特征残差连接稳梯度训练不崩 效果mAP50 直接 1.8%参数几乎没涨。2. PD‑ASPP 模块多尺度识别更轻更快替换原 SPPF用并行深度可分离空洞金字塔多分支并行提取不同尺度特征深度卷积降参量减少计算冗余复杂背景也能精准区分小目标 效果mAP 再涨参数反而降了 4.3%。3. SGCS‑FPN浅层特征不丢失专门解决 “深层网络丢小目标” 问题新增浅层特征引导分支跨层建立语义关联把浅层细粒度信息传给深层小目标再也不会被 “吞掉” 效果mAP50 猛涨5.4%小目标检测质变。4. WIoUv3 损失框得更准把 CIoU 换成动态加权 WIoUv3动态自适应惩罚密集小目标定位更准非单调聚焦机制专注高质量锚框边界回归更稳定误检更少 效果最终精度再打磨整体拉到最高。【消融实验结果表】PART/3实验实验炸场比 YOLOv8n 强太多数据集VisDrone2019航拍小目标标准 benchmark60% 都是小目标平台RTX 3090训练 200 轮核心结果对比 YOLOv8nmAP5032.8% → 40.9%暴涨 8.1%mAP50:9519.1% → 23.4%提升 4.3%参数仅2.93M比 YOLOv8s 轻近 4 倍【对比实验结果表】吊打一众主流模型优于 SSD、Faster‑RCNN、QueryDet强于 YOLOv5s/YOLOv7‑tiny/YOLOv11n比参数量更大的 RFAG‑YOLO 精度更高、更轻量可视化效果杀疯了【四类场景对比图密集 / 夜间 / 遮挡 / 高空】【雾霾天气对比图】【HIT‑UAV 红外数据集对比图】密集人群不漏检、不误判夜间 / 雾霾依然稳准高遮挡 / 高空小目标精准框出PART/4总结与展望核心结论YOLO‑MARS 轻量 YOLOv8n 四大改进完美适配无人机航拍小目标检测小目标检出率大幅提升密集、遮挡、低光照、雾霾全场景稳健参数量小适合端侧实时部署未来方向模型剪枝、知识蒸馏进一步轻量化结合超分辨率提升极端小目标效果有相关需求的你可以联系我们END转载请联系本公众号获得授权计算机视觉研究院学习群等你加入ABOUT计算机视觉研究院计算机视觉研究院主要涉及深度学习领域主要致力于目标检测、目标跟踪、图像分割、OCR、模型量化、模型部署等研究方向。研究院每日分享最新的论文算法新框架提供论文一键下载并分享实战项目。研究院主要着重”技术研究“和“实践落地”。研究院会针对不同领域分享实践过程让大家真正体会摆脱理论的真实场景培养爱动手编程爱动脑思考的习惯往期推荐YOLO-TLA一种基于 YOLOv5 的高效轻量级小目标检测模型ViT-YOLO基于Transformer的用于目标检测的YOLO算法SSMA-YOLO一种轻量级的 YOLO 模型具备增强的特征提取与融合能力适用于无人机航拍的船舶图像检测LUD-YOLO一种用于无人机的新型轻量级目标检测网络Gold-YOLO基于聚合与分配机制的高效目标检测器Drone-YOLO一种有效的无人机图像目标检测「无人机AI」“空中城管”无人机AI光伏巡检自动化解决方案无人机视角下多类别船舶检测及数量统计机场项目解决飞行物空间大小/纵横比、速度、遮挡等问题引起的实时目标检测问题2PCNet昼夜无监督域自适应目标检测附原代码YOLO-S小目标检测的轻量级、精确的类YOLO网络大改Yolo框架 | 能源消耗极低的目标检测新框架附论文下载改进的检测算法用于高分辨率光学遥感图像目标检测