基于改进YOLOv8的飞机检测研究

随着无人机技术和航空监控系统的迅速发展,高效准确的飞机检测技术变得日益重要。提出了一种基于改进的YOLOv8模型的飞机检测方法,旨在提高检测的准确性和实时性。首先,引入了反向残差注意力模块(iRMB),通过改进的注意力机制增强模型对飞机特征的学习能力。其次,采用中心化特征金字塔(EVC)模块,优化了特征提取过程,增强了模型对不同尺度飞机的检测能力。此外还采用了改进的距离交并比(MDIoU)作为损失函数,进一步提升了模型的定位精度。在公开数据集Caltech101的飞机类别上的实验结果表明,与现有的飞机检测方法相比,提出的方法在检测精度和召回率方面分别达到98.2%和98.9%,特别是在复杂背景和多尺度目标检测场景中表现更为突出。该研究的成果对于提高航空安全监控系统的效能具有重要意义。