- · 红外技术版面费是多少[10/21]
- · 《红外技术》投稿方式[10/21]
一、来稿必须是作者独立取得的原创性学术研究成果，来稿的文字复制比（相似度或重复率）必须低于用稿标准，引用部分文字的要在参考文献中注明；署名和作者单位无误，未曾以任何形式用任何文种在国内外公开发表过；未一稿多投。 二、来稿除文中特别加以标注和致谢之外，不侵犯任何版权或损害第三方的任何其他权利。如果20天后未收到本刊的录用通知，可自行处理(双方另有约定的除外)。 三、来稿经审阅通过，编辑部会将修改意见反馈给您，您应在收到通知7天内提交修改稿。作者享有引用和复制该文的权利及著作权法的其它权利。 四、一般来说，4500字（电脑WORD统计，图表另计）以下的文章，不能说清问题，很难保证学术质量，本刊恕不受理。 五、论文格式及要素：标题、作者、工作单位全称(院系处室)、摘要、关键词、正文、注释、参考文献(遵从国家标准：GB\T7714-2005，点击查看参考文献格式示例)、作者简介(100字内)、联系方式(通信地址、邮编、电话、电子信箱)。 六、处理流程：（1） 通过电子邮件将稿件发到我刊唯一投稿信箱（2）我刊初审周期为2－3个工作日，请在投稿3天后查看您的邮箱，收阅我们的审稿回复或用稿通知；若30天内没有收到我们的回复，稿件可自行处理。（3）按用稿通知上的要求办理相关手续后，稿件将进入出版程序。（4） 杂志出刊后，我们会按照您提供的地址免费奉寄样刊。 七、凡向文教资料杂志社投稿者均被视为接受如下声明：（1）稿件必须是作者本人独立完成的，属原创作品（包括翻译），杜绝抄袭行为，严禁学术腐败现象，严格学术不端检测，如发现系抄袭作品并由此引起的一切责任均由作者本人承担，本刊不承担任何民事连带责任。（2）本刊发表的所有文章，除另有说明外，只代表作者本人的观点，不代表本刊观点。由此引发的任何纠纷和争议本刊不受任何牵连。（3）本刊拥有自主编辑权，但仅限于不违背作者原意的技术性调整。如必须进行重大改动的，编辑部有义务告知作者，或由作者授权编辑修改，或提出意见由作者自己修改。（4）作品在《文教资料》发表后，作者同意其电子版同时发布在文教资料杂志社官方网上。（5）作者同意将其拥有的对其论文的汇编权、翻译权、印刷版和电子版的复制权、网络传播权、发行权等权利在世界范围内无限期转让给《文教资料》杂志社。本刊在与国内外文献数据库或检索系统进行交流合作时，不再征询作者意见，并且不再支付稿酬。 九、特别欢迎用电子文档投稿，或邮寄编辑部,勿邮寄私人，以免延误稿件处理时间。
改进YOLOv8的多尺度特征协同小目标检测算法
作者:网站采编关键词:
摘要：研究背景与问题 随着无人机航拍技术的快速发展，无人机在图像检测领域的应用日益广泛。然而，现有的无人机航拍图像检测方法存在精度低、漏检率高、模型冗余等问题，严重影响了
研究背景与问题
随着无人机航拍技术的快速发展，无人机在图像检测领域的应用日益广泛。然而，现有的无人机航拍图像检测方法存在精度低、漏检率高、模型冗余等问题，严重影响了检测效果。尤其是在检测小目标时，这些问题的表现尤为突出。针对这一问题，本文提出了改进YOLOv8的多尺度特征协同小目标检测算法，旨在提升小目标检测的准确性和鲁棒性。
研究方法
本文在YOLOv8的基础上，提出了多尺度特征协同（MSF）算法，即MSF-YOLO检测算法。该算法主要包含以下几个改进措施： 1. 使用RepViTBlock与EMA注意力机制构造RBE-C2f模块，替换原YOLOv8骨干网络中的C2f模块，以提升网络对多尺度特征的提取能力。 2. 引入多尺度特征融合机制，将不同尺度的特征图进行融合，以增强对小目标的检测效果。 3. 采用改进的锚框生成策略，提高检测框的定位精度。 4. 优化损失函数，降低模型冗余，提高检测速度。
核心结果
通过在公开数据集上的实验，本文提出的MSF-YOLO检测算法在精度、召回率和F1值等指标上均优于原始YOLOv8算法。具体结果如下： 1. 在PASCAL VOC数据集上，MSF-YOLO算法的检测精度提升了约3%，召回率提升了约2%，F1值提升了约2.5%。 2. 在COCO数据集上，MSF-YOLO算法的检测精度提升了约4%，召回率提升了约3%，F1值提升了约3.5%。 3. 在实际应用场景中，MSF-YOLO算法在无人机航拍图像检测任务中的漏检率降低了约20%，检测精度提升了约10%。
结论与意义
本文提出的MSF-YOLO检测算法，通过改进YOLOv8骨干网络、引入多尺度特征融合机制和优化锚框生成策略，有效提升了小目标检测的精度和鲁棒性。该算法在公开数据集和实际应用场景中均取得了显著的性能提升，为无人机航拍图像检测领域提供了一种高效、准确的检测方法。此外，该算法还具有以下意义： 1. 提高了无人机航拍图像检测的实用性和可靠性，为无人机应用领域提供了有力支持。 2. 为后续研究提供了有益的参考，有助于推动小目标检测算法的发展。 3. 为人工智能领域的研究提供了新的思路，有助于提高图像检测技术的整体水平。
文章来源：《红外技术》 网址: http://www.hongwaijishu.cn/qikandaodu/2026/1027/333.html