SOD-YOLO：增强无人机图像中小目标检测的 YOLO 系列模型
计算机视觉与模式识别
2025-07-18 v1
摘要
小目标检测仍是目标检测领域的挑战性问题。为此，我们提出了一个基于 YOLOv8 的增强型模型，称为 SOD-YOLO。该模型在颈部集成 ASF 机制以增强多尺度特征融合，添加小目标检测层（命名为 P2）以提供更高分辨率的特征图以实现更好的小目标检测，采用 Soft-NMS 以细化置信度得分并保留真阳性。实验结果表明，SOD-YOLO 在 VisDrone2019-DET 数据集上相对于基线模型实现了 36.1% 的 mAP 提升和 20.6% 的 mAP 提升。这些增强措施使 SOD-YOLO 成为 UAV 图像中小目标检测的实用且高效解决方案。我们的源代码、超参数和模型权重均可在 https://github.com/iamwangxiaobai/SOD-YOLO 提供。
引用
@article{arxiv.2507.12727,
title = {SOD-YOLO: Enhancing YOLO-Based Detection of Small Objects in UAV Imagery},
author = {Peijun Wang and Jinhua Zhao},
journal= {arXiv preprint arXiv:2507.12727},
year = {2025}
}