低空无人机实时探测的PBE-YOLOv8n算法

面向低空无人机“黑飞”“滥飞”带来的威胁,针对现存低空无人机目标检测算法检测精度较低、实时性较差的问题,本文提出一种基于YOLOv8n改进的PBE-YOLOv8n低空无人机目标检测模型。使用局部卷积(PConv)代替普通卷积(Conv),设计全新的快速跨阶段局部层卷积(C2f_Faster)模块代替跨阶段局部层卷积(C2f)以实现模型轻量化;使用黄金集散(Gold-YOLO)结构替换颈部路径聚合网络(PANet)结构,保留更多渐层特征,提高检测精确性;在颈部网络中引入高效多尺度注意力(EMA)机制,捕捉局部重要信息,以提高模型的特征融合能力;使用智能交并比(WIoU)边界损失函数代替原损失函数,提升网络的边界框回归性能。实验结果表明,本文提出的PBE-YOLOv8n算法在精确度和速度上都有所提升,证明了该改进算法的有效性和先进性。