YOLOv8 无人机航拍小目标检测实战

注意：所有标签需转换为归一化后的 YOLO 格式（class_id, x_center, y_center, width, height）。

模型初始化与训练

进入项目目录加载预训练模型：

from ultralytics import YOLO

# 加载 COCO 预训练的 YOLOv8n 模型
model = YOLO("yolov8n.pt")
model.info()

启动训练任务时，建议开启增强策略：

results = model.train(
    data="/root/dataset/data.yaml",
    epochs=150,
    imgsz=640,
    batch=16,
    optimizer='AdamW',
    lr0=0.001,
    augment=True,
    mosaic=0.5,
    copy_paste=0.3,
    close_mosaic=10,
    device=0
)

关键参数说明：

优化策略

尽管 YOLOv8 本身具备一定能力，但在航拍场景中仍需额外手段。

1. 提升输入分辨率

将 imgsz 从 640 提升至 1280，能显著增加小目标在特征图上的响应区域。代价是显存占用增加约 2.5 倍，建议使用 A10/A100 等大显存 GPU。

2. 引入专用检测头

可在 P3 层（80×80）增加额外预测分支，专门用于极小目标检测。这需要修改 ultralytics/nn/modules/head.py 或使用自定义 YAML 配置文件。

# 示例：新增 P2 层预测（160×160）
class DetectSmall(Detect):
    def __init__(self, nc=80, ch=()):
        super().__init__(nc, ch)
        self.stride = torch.tensor([4., 8., 16., 32.]) # 新增 strides[0]=4
        self.no = nc + 5
        self.nl = len(self.stride)
        self.reg_max = 16
        self.device = None
        self.export = False
        self.assigner = TaskAlignedAssigner(topk=10, num_classes=self.nc, alpha=0.5, beta=6.0)
        self.bbox_loss = E2TV2Loss(reg_max=self.reg_max)
        self.dfl_loss = DistributionFocalLoss(loss_weight=1.0)

3. 数据增强调优

启用 copy_paste 是提升召回率的有效方法。可以在预处理阶段手动实现逻辑，将小目标复制粘贴至新位置，改善模型泛化能力。

推理与可视化

训练完成后加载最佳权重进行单张图像推理：

model = YOLO("/root/runs/detect/train/weights/best.pt")
results = model("/root/dataset/images/val/IMG_0001.jpg", conf=0.4, iou=0.5)

for r in results:
    im_array = r.plot()
    im = Image.fromarray(im_array[..., ::-1]) # BGR to RGB
    im.show()

输出结果包含边界框、类别标签与置信度分数，可直接用于后续分析。

性能评估

在 VisDrone-Val 集上测试不同配置，结果如下：

可以看出，提升分辨率 + 数据增强组合带来最显著的性能提升，而单纯增大模型尺寸带来的边际收益递减。

总结

本文围绕 YOLOv8 在无人机航拍图像中小目标检测的应用展开，介绍了从环境搭建、数据准备到模型训练及优化的全流程。通过合理调整输入分辨率、启用 copy_paste 增强、优化训练参数，YOLOv8 能够在复杂航拍场景中实现较高的小目标检测精度。

主要收获：

1. YOLOv8 具备良好的小目标检测潜力，但需针对性调参；
2. 高分辨率输入（1280）显著提升小目标召回率，应优先考虑；
3. copy-paste 数据增强是低成本高回报的优化手段；
4. 预置镜像极大降低环境配置门槛，加速研发迭代。

未来可探索方向包括轻量化小目标检测头设计、多尺度融合注意力机制，以及基于半监督学习扩大标注数据规模。