摘要

HIC-YOLOv5主要贡献可以总结如下：

• 额外的预测头专为小物体设计。它在更高分辨率的特征图中检测物体，这些特征图包含更多关于微小和小物体的信息。

• 添加了一个内卷积块作为主干和颈部之间的桥梁，以增加特征图的通道信息。

• 在主干的末端应用了CBAM，从而提取了更多重要的通道和空间信息，同时忽略了冗余的信息。

结果表明，HIC-YOLOv5在VisDrone-2019-DET数据集上的mAP@[.5:.95]提高了6.42%，mAP@0.5提高了9.38%。

我们参照HIC-YOLOv5，将这些改进用于YoloV8，效