SOD-YOLOv8 来袭 | 让 YOLOv8 家族成为了小目标检测的克星 ！

文章预览

前言 通过远程摄像机捕获的图像中小目标检测仍具有挑战性，这主要是由于它们的大小、与摄像头的距离、形状的多样性和杂乱的背景所造成的。为了解决这些问题，作者提出了Small Object Detection YOLOv8 (SOD-YOLOv8)，这是一种专门针对涉及众多小目标场景的新颖模型。受到Efficient Generalized Feature Pyramid Networks (GFPN)的启发，作者在YOLOv8中的多路径融合中增强了跨层级的多路径融合，保留浅层细节并提高小目标检测精度。 I Introduction 计算机视觉领域中的目标检测在各个领域中都起着至关重要的作用，包括自动驾驶[1,2,3]，交通场景监测[4,5]，增强智能驾驶系统[6]，以及便利搜索和救援任务[7]。准确检测小目标，如行人、车辆、摩托车、自行车、交通标志和信号灯等，对于自动驾驶车辆和智能驾驶系统[1,3]的安全导航和决策至关重要。此外，检测小目标可以提 ………………………………