2024-2025年最新YOLO小目标检测改进论文

SOD-YOLOv8 (无人机)

《SRE - YOLOv8: An Improved UAV Object Detection Model Utilizing Swin Transformer and RE - FPN》
论文地址（2024-8-8）

• 主要内容：提出SRE - YOLOv8模型，利用Swin Transformer和RE - FPN结构改进YOLOv8，以解决无人机图像小目标检测难题。经实验验证，该模型在VisDrone2021数据集上精度提升显著。
• 具体改进：在骨干网络引入优化的Swin Transformer模块，增强全局上下文信息保留和特征提取能力；将原FPN结构替换为RE - FPN，通过RFA模块和ECA注意力机制，减少空间信息损失，增强特征融合；添加SOD层，融合多尺度特征，提升对小目标的检测能力；在检测头采用Dynamic Head，结合多种注意力机制，增强对复杂背景下低分辨率目标的识别能力。

SOD-YOLOv5n (冬枣)

《A lightweight SOD - YOLOv5n model - based winter jujube detection and counting method deployed on Android》
论文地址（2024）

• 主要内容：提出基于YOLOv5n的轻量级小目标检测模型SOD - YOLOv5n，用于冬枣检测与计数，并部署于安卓设备。通过实验对比多种模型，验证其在复杂果园环境下的有效性，为冬枣产量预估提供技术支持。
• 具体改进：用SPD - Conv替换步卷积和池化层，增强对小目标和低分辨率图像的检测能力；利用CARAFE模块优化上采样算法，实现自适应核重组；在颈部使用GSConv技术，降低模型大小并保持精度；采用float16量化技术减小模型文件大小，便于安卓部署。

SRE-YOLOv8（交通）

《SOD - YOLOv8 - Enhancing YOLOv8 for Small Object Detection in Traffic Scenes》
论文地址（2024-6-17）

• 主要内容：提出SOD - YOLOv8模型，针对交通场景中小目标检测难题，通过改进特征融合、引入注意力机制和新的损失函数，提升检测精度。经实验对比，该模型在多个指标上优于其他模型，在复杂交通场景中表现可靠。
• 具体改进：受GFPN启发改进多路径融合，简化结构并增强特征融合效果，添加第四检测层利用高分辨率空间信息；在C2f模块嵌入EMA注意力机制，重新分配特征权重，增强对小目标特征的提取；使用PIoU替换CIoU，优化边界框回归，提高检测精度和收敛速度。

1. 多尺度特征融合升级：GFPN 与第四检测层结合，强化小目标的空间细节捕捉。
2. 轻量化注意力机制：EMA 模块在不显著增加参数的前提下，提升特征表达能力。
3. 边界框回归优化：PIoU 损失函数直接针对小目标几何偏差，提升定位精度。

二、核心改进方法

1. 增强型特征金字塔网络（GFPN）

• 设计思路：
  传统 YOLOv8 的 FPN 融合能力有限，难以保留浅层小目标的空间细节。SOD-YOLOv8 借鉴 Efficient RepGFPN（来自 DAMO-YOLO），通过以下方式优化：

  • 重参数化与跨尺度连接：简化 GFPN 结构，引入跳层连接（如 $lo{g}_2(n)$-link 和 dense-link），增强不同层级特征的信息流，避免深层特征下采样时的细节丢失。
  • 新增第四检测层：在颈部添加针对高分辨率特征（如 320×320 尺度）的检测头，专门捕捉小目标的空间细节，增强了浅层细节保留。

• 效果：通过融合浅层高分辨率特征与深层语义特征，小目标定位精度提升显著。

2. C2f-EMA 模块：集成高效多尺度注意力

• 结构设计：
  在颈部的 C2f 模块中嵌入 EMA（Efficient Multi-Scale Attention） 注意力机制，可以优先处理对小目标重要的特征
  其核心包括：

  • 特征分组与并行处理：将输入特征分为 G 组，通过 1×1 卷积和 3×3 卷积并行提取局部与多尺度空间信息。
  • 跨空间学习：通过矩阵点积操作捕捉全局像素依赖关系，生成 2D 高斯注意力图，强化对小目标区域的关注。
  • 轻量化设计：相比传统注意力模块（如 CBAM、SE），EMA 避免维度缩减，减少参数开销。

• 作用：动态调整不同通道和空间位置的特征权重，增强小目标特征的表达能力。

3. PIoU 损失函数：优化边界框回归

• 问题痛点：
  传统 CIoU 损失在小目标边界框回归时，对中心点距离和宽高比例的惩罚不够直接，易导致定位偏差。

• PIoU（Powerful IoU）设计：

  • 惩罚项优化：引入预测框与真实框四角点的欧氏距离惩罚，直接度量几何相似性，公式如下：
    $$L_{PIoU}=1-IoU-e^{-P^2},P=\frac{1}{4}\left(\frac{dw1+dw2}{w_{gt}}+\frac{dh1+dh2}{h_{gt}}\right)$$
    其中 $dw1,dw2,dh1,dh2$为边界框宽高差，$w_{gt},h_{gt}$ 为真实框宽高。
  • 非单调注意力机制：通过 $u(\lambda q)=3\lambda q\cdot e^{-(\lambda q{)}^2}$动态聚焦中等质量锚框，加速收敛。

• 优势：相比 CIoU，PIoU 对小目标边界框的微小偏移更敏感，定位精度提升约 1.1%~2.6%。

4.高分辨率检测层

YOLOv8-SOD-DLK（细胞）

《YOLO - SOD - DLK: A YOLOv8 - based Network for Astrocytes Detection in Immunofluorescence Photographs》
论文地址

• 主要内容：构建基于YOLOv8的YOLO - SOD - DLK网络，用于免疫荧光照片中星形胶质细胞检测。实验表明该网络能有效量化炎症因子阳性表达程度，避免人工误差。
• 具体改进：在Neck结构中构建160×160大小的特征图并添加小检测头，提高对小目标的检测精度；嵌入D - LKA模块，融合不同层次特征，增强对小而不规则形状物体的感知能力；设计C2f - DLK模块替换C2f模块，提升网络性能 。