YoloV8改进策略：增加分支，减少漏检

摘要

如何检测小目标？这个一直是比较头疼的问题，如果都是小目标还好说，我们可以采用切图的方式，如果是数据集的目标尺寸差别比较大，这样就没有办法切图了。

首先，我们先分析为什么小目标检测不到。假如640×640的图像，有一个20×20的目标物体，我们从yolov8的框架中可以看到，输出的Feature Map尺寸是80×80、40×40和20×20。那么，这个物体在Feature Map上的尺寸对应为2.5、1.25、0.625，由于像素都是整数，所以小于1也就意味着不存在。在其他的尺寸上，特征也很小，网络不一定能检测出来。如果目标物体再降呢？比如10×10的像素、更夸张点，5×5的像素。这样的目标在现在的yolov8网络上就很难检测出来了。

数据集

数据集统一选择我自己标注的的飞机数据集。数据集的类别：

names: ['c17', 'c5', 'helicopter', 'c130', 'f16', 'b2',
    'other