La detección de objetos pequeños sigue siendo un problema desafiante en el campo de la detección de objetos. Para abordar este desafío, proponemos un modelo mejorado basado en YOLOv8, SOD-YOLO. Este modelo integra un mecanismo ASF en el cuello para mejorar la fusión de características multiescala, añade una Capa de Detección de Objetos Pequeños (denominada P2) para proporcionar mapas de características de mayor resolución para una mejor detección de objetos pequeños, y emplea Soft-NMS para refinar las puntuaciones de confianza y retener verdaderos positivos. Los resultados experimentales demuestran que SOD-YOLO mejora significativamente el rendimiento de detección, logrando un aumento del 36.1% en mAP₅₀: ₉₅ y un aumento del 20.6% en mAP₅₀ en el conjunto de datos VisDrone2019-DET en comparación con el modelo base. Estas mejoras hacen de SOD-YOLO una solución práctica y eficiente para la detección de objetos pequeños en imágenes de UAV. Nuestro código fuente, hiperparámetros y pesos del modelo están disponibles en https://github.com/iamwangxiaobai/SOD-YOLO.
Wang et al. (Jue,) estudiaron esta cuestión.