一种基于YOLOv8的复杂环境中鸟类小目标检测方法

本发明涉及计算机视觉与生态监测技术领域，公开了一种基于YOLOv8的复杂环境中鸟类小目标检测方法，该方法通过在YOLOv8的卷积模块中引入感受野注意力(Receptive FieldAttention,RFA)和坐标注意力(CoordinateAttention,CA)机制，优化了注意力权重在感受野特征中的共享，并增强了对远距离信息的处理能力。此外，提出了具有长程依赖性和自适应能力的SPPF‑LSKA模块，有效减少湿地复杂背景对鸟类检测的干扰。进一步的，使用改进的BiFPN‑P2D结构连接P2特征层进行特征融合，增强了跨尺度特征的融合效果。在上采样阶段，引入内容感知特征重组模块，加强对小目标显著语义信息的关注。实验结果表明，本发明在湿地复杂环境中进行鸟类目标检测的有效性及其广泛的应用前景。