基于YOLOv8与LSKNet的遥感图像旋转目标检测新框架 —LSKblock注意力机制在小目标检测中的性能优化与SOTA探索

针对遥感图像中目标尺度差异大、方向任意性强、背景复杂度高等挑战，本文提出一种基于 YOLOv8 与 LSKNet 的新型旋转目标检测框架。通过引入 LSKblock 注意力机制 ，实现对多尺度特征的有效建模与动态感受野调整，显著提升了模型对小目标与旋转目标的识别能力。

1. 引言

随着遥感图像分辨率的不断提升，目标检测任务面临更复杂的场景挑战，包括：

• ✅ 目标尺度变化剧烈(从几十像素到上千像素不等)；
• ✅ 目标朝向不固定(如舰船、飞机、车辆等)；
• ✅ 背景干扰严重(如云层遮挡、相似纹理干扰)；

尽管YOLO系列凭借其高效的推理速度和良好的检测性能广泛应用于工业界，但其固定的卷积核结构难以有效应对上述问题。为此，我们引入LSKNet中提出的 LSKblock 注意力模块 ，构建出适用于遥感图像的增强型 YOLOv8架构，在保留原有检测效率的同时，显著提升对小目标和旋转目标的感知能力。

1.1 遥感目标检测发展现状

• 传统两阶段方法 ：