无人机航拍小目标检测太难？YOLO-MARS 一招搞定，精度暴涨 8.1%！
点击蓝字
关注我们
关注并星标
从此不迷路
计算机视觉研究院
公众号ID｜计算机视觉研究院
学习群｜扫码在主页获取加入方式
https://pmc.ncbi.nlm.nih.gov/articles/PMC12031147/pdf/sensors-25-02534.pdf
计算机视觉研究院专栏
Column of Computer Vision Institute
无人机航拍目标检测，一直被小目标太小、分布密集、互相遮挡三大难题卡脖子，漏检、误检层出不穷。今天给大家带来一篇最新顶刊论文：基于 YOLOv8n 改进的 YOLO‑MARS 模型，专门解决航拍小目标检测痛点，精度直接拉满！
PART/1
痛点
痛点直击：无人机检测到底难在哪？
无人机拍出来的图，天生就不好检测：
目标又小又密，占像素极少，特征很弱
背景复杂，遮挡严重，容易丢目标
传统 YOLOv8n 对小目标不友好，深层网络容易丢失浅层细粒度特征
市面上的模型要么精度不够，要么参数量太大，不适合无人机端侧部署。
于是，团队基于最轻量的 YOLOv8n，做了四大硬核改进，推出 YOLO‑MARS。
PART/2
创新
四大创新点：轻量 + 高精度双在线
1. ERAC 模块：小目标特征 “抓得更牢”
把普通卷积换成增强残差注意力卷积：
扩大感受野，不放过微小目标
加入 SE 通道注意力，重点强化小目标特征
残差连接稳梯度，训练不崩
👉 效果：mAP50 直接 +1.8%，参数几乎没涨。
2. PD‑ASPP 模块：多尺度识别更轻更快
替换原 SPPF，用并行深度可分离空洞金字塔：
多分支并行提取不同尺度特征
深度卷积降参量，减少计算冗余
复杂背景也能精准区分小目标
👉 效果：mAP 再涨，参数反而降了 4.3%。
3. SGCS‑FPN：浅层特征不丢失
专门解决 “深层网络丢小目标” 问题：
新增浅层特征引导分支
跨层建立语义关联，把浅层细粒度信息传给深层
小目标再也不会被 “吞掉”
👉 效果：mAP50 猛涨5.4%，小目标检测质变。
4. WIoUv3 损失：框得更准
把 CIoU 换成动态加权 WIoUv3：
动态自适应惩罚，密集小目标定位更准
非单调聚焦机制，专注高质量锚框
边界回归更稳定，误检更少
👉 效果：最终精度再打磨，整体拉到最高。
【消融实验结果表】
PART/3
实验
实验炸场：比 YOLOv8n 强太多！
数据集：VisDrone2019（航拍小目标标准 benchmark，60% 都是小目标）平台：RTX 3090，训练 200 轮
核心结果（对比 YOLOv8n）
mAP50：32.8% → 40.9%，暴涨 8.1%
mAP50:95：19.1% → 23.4%，提升 4.3%
参数仅2.93M，比 YOLOv8s 轻近 4 倍
【对比实验结果表】
吊打一众主流模型
优于 SSD、Faster‑RCNN、QueryDet
强于 YOLOv5s/YOLOv7‑tiny/YOLOv11n
比参数量更大的 RFAG‑YOLO 精度更高、更轻量
可视化效果杀疯了
【四类场景对比图：密集 / 夜间 / 遮挡 / 高空】
【雾霾天气对比图】
【HIT‑UAV 红外数据集对比图】
密集人群：不漏检、不误判
夜间 / 雾霾：依然稳准
高遮挡 / 高空小目标：精准框出
PART/4
总结与展望
核心结论
YOLO‑MARS =轻量 YOLOv8n + 四大改进，完美适配无人机航拍小目标检测：
小目标检出率大幅提升
密集、遮挡、低光照、雾霾全场景稳健
参数量小，适合端侧实时部署
未来方向
模型剪枝、知识蒸馏进一步轻量化
结合超分辨率，提升极端小目标效果
有相关需求的你可以联系我们！
END
转载请联系本公众号获得授权
计算机视觉研究院学习群等你加入！
ABOUT
计算机视觉研究院
计算机视觉研究院主要涉及深度学习领域，主要致力于目标检测、目标跟踪、图像分割、OCR、模型量化、模型部署等研究方向。研究院每日分享最新的论文算法新框架，提供论文一键下载，并分享实战项目。研究院主要着重”技术研究“和“实践落地”。研究院会针对不同领域分享实践过程，让大家真正体会摆脱理论的真实场景，培养爱动手编程爱动脑思考的习惯！
往期推荐
🔗
YOLO-TLA：一种基于 YOLOv5 的高效轻量级小目标检测模型
ViT-YOLO：基于Transformer的用于目标检测的YOLO算法
SSMA-YOLO：一种轻量级的 YOLO 模型，具备增强的特征提取与融合能力，适用于无人机航拍的船舶图像检测
LUD-YOLO：一种用于无人机的新型轻量级目标检测网络
Gold-YOLO：基于聚合与分配机制的高效目标检测器
Drone-YOLO：一种有效的无人机图像目标检测
「无人机+AI」“空中城管”
无人机+AI：光伏巡检自动化解决方案
无人机视角下多类别船舶检测及数量统计
机场项目：解决飞行物空间大小/纵横比、速度、遮挡等问题引起的实时目标检测问题
2PCNet：昼夜无监督域自适应目标检测（附原代码）
YOLO-S：小目标检测的轻量级、精确的类YOLO网络
大改Yolo框架 | 能源消耗极低的目标检测新框架（附论文下载）
改进的检测算法：用于高分辨率光学遥感图像目标检测