基于改進(jìn)YOLOv8n的無(wú)人機(jī)航拍圖像目標(biāo)檢測(cè)

打開(kāi)文本圖片集

摘要：針對(duì)無(wú)人機(jī)航拍圖像目標(biāo)檢測(cè)中存在精度不足和資源受限問(wèn)題，文章提出一種基于改進(jìn)YOLOv8n模型的目標(biāo)檢測(cè)算法。首先，在現(xiàn)有模型中引入卷積塊注意力模塊（Convolutional Block Attention Module， CBAM），以增強(qiáng)模型對(duì)關(guān)鍵特征的關(guān)注并抑制非關(guān)鍵區(qū)域的干擾；其次，采用深度可分離卷積（Depthwise Separable Convolution， DW Conv）進(jìn)行輕量化設(shè)計(jì)，在顯著降低模型參數(shù)量和計(jì)算復(fù)雜度的同時(shí)保持高效的特征提取能力。（剩余6852字）