LPAE-YOLOv8: LSE-Headと適応型Attentionによる軽量な航空小型物体検出
Yi Zhao1,2, Guiping Chen3,4,5,6
1Guizhou Key Laboratory of Advanced Computing, Guizhou Normal University, Guiyang, 550001, China.
Scientific reports
|December 29, 2025
まとめ
本研究では、ドローン画像における小型物体検出のための軽量モデルLPAE-YOLOv8を紹介します。精度が大幅に向上し、モデルサイズが縮小されました。改良されたモデルは、実用的なドローンアプリケーションのパフォーマンスと効率のバランスを取ります。
科学分野:
- コンピュータビジョン;人工知能;ロボット工学
背景:
- 従来のYOLOv8は、精度が低く計算負荷が高いため、ドローン画像における小型物体検出に苦労しています。;ドローンのハードウェアの制限により、航空監視のためのモデルサイズの縮小と複雑性の低減が求められています。
研究 の 目的:
- ドローン航空画像における小型物体検出の強化を目的とした、改良型軽量検出モデルLPAE-YOLOv8を開発すること。;既存モデルの精度、背景干渉、モデル冗長性に関する限界に対処すること。
主な方法:
- パラメータ数とバウンディングボックスの精度を最適化するために、新しいLSE-Head検出ヘッドを導入しました。;大型物体検出層を削除し、小型物体検出層を追加することで、ネットワーク構造を変更しました。;小型物体の知覚を向上させるために、改良されたEfficiCIoU損失関数と、CMUNeXtBlockおよび適応型Attentionを備えたACMConvモジュールを実装しました。
主要な成果:
- LPAE-YOLOv8は、VisDrone2019（mAP@0.5 +16.9%、mAP@0.5:0.95で21.3%）およびTinyPerson（mAP@0.5で14.4%から18.7%）で大幅な改善を達成しました。;モデルパラメータを34.5%削減し、1.97Mにすることで、軽量設計を実証しました。;アブレーション実験および比較実験により、個々のモジュールおよびモデル全体の有効性と効率が確認されました。
結論:
- LPAE-YOLOv8は、ドローン画像における小型物体検出のための精度、複雑性、推論効率の優れたバランスを提供します。;提案されたモデルは、正確な航空監視を必要とする実世界のドローンアプリケーションに対して、実用的な価値と有効性を示しています。
