尽管目标检测技术已日趋成熟,但针对遥感图像的目标检测仍面临诸多挑战,主要源于遥感图像中目标特征不明显、背景复杂、小目标占比高以及目标类别不均衡等问题,导致检测精度不足.本文提出了一种遥感图像目标检测算法(Remote Sensing-YOLOv8,RS-YOLOv8),重点优化了瓶颈层模块,通过提出多尺度特征自注意融合结构提升了对小尺度目标和多层级特征的敏感度与筛选能力,降低了漏检率.设计EMASlideLoss优化损失函数,增强了对复杂样本的处理能力,并引入DySample动态上采样策略提升上采样质量,并在一定程度上改善了因新增模块导致的模型参数量增加.在SIMD数据集上的实验表明,RSYOLOv8显著改善了小目标的漏检情况,mAP达到83.7%,较YOLOv8提升3.7%,展现出优异的检测性能和广泛的应用前景.
