面向小目标识别的文本引导视觉模型

随着无人机基于对象检测技术的不断发展，需求正从单纯检测对象转向使用户能够准确识别特定目标。例如，用户可以输入特定目标作为提示，以精确检测所需的对象。为此，已开发出一种高效的文本引导对象检测模型，以增强小目标的检测。具体而言，本文引入了改进版的现有 YOLO-World 模型。该方法将 YOLOv8 主干网络中的 C2f 层替换为 C3k2 层，能够更精确地表示局部特征，尤其是针对小目标或边界明确的目标。此外，所提出的架构通过并行处理优化提升了处理速度和效率，同时实现更轻量化的模型设计。在 VisDrone 数据集上的比较实验表明，所提出的模型在准确率、召回率、F1 分数和 [email protected] 等指标上均优于原始 YOLO-World 模型，分别提升至 41.6%、31%、35.5% 和 30.7%，证明其增强的准确性。 Furthermore, the model demonstrates superior lightweight performance, with the parameter count reduced from 4 million to 3.8 million and FLOPs decreasing from 15.7 billion to 15.2 billion. 这些结果表明，所提出的方法为无人机应用中精确对象检测提供了一种实用且有效的解决方案。