《Computer Vision and Image Understanding》：WildMDT-YOLO: A multi-scale wildlife detection model for complex environments
编辑推荐：
本文针对复杂环境下野生动物检测存在特征提取不足、误检漏检率高等问题，提出了一种基于YOLOv8n改进的WildMDT-YOLO模型。研究通过引入多尺度聚焦扩散网络（MFDN）、动态任务对齐检测头（DTADH）及DCNv3/MLCA机制，实现了92.6%的mAP@0.5，参数量降低17.1%，在Snapshot Serengeti跨数据集测试中保持89.2%的泛化性能。该研究为野生动物保护提供了高效精准的智能监测工具，对生态平衡维护具有重要实践意义。
随着全球生态环境恶化与人类活动加剧，野生动物生存面临严重威胁。传统监测方法如距离采样、GPS项圈和卫星追踪存在效率低、成本高、覆盖有限等局限，而无人机航拍又受续航能力和动物应激反应限制。可见光与红外相机虽能自动采集图像，但每年产生海量数据，其中包含大量空图像或局部动物捕捉场景，给数据处理带来巨大挑战。计算机视觉目标检测技术虽逐步应用于野生动物监测，但在树木遮挡、强光照、弱光线等复杂环境下，现有模型常出现特征提取不足、定位不准等问题。尤其面对形态、尺寸、颜色差异显著的野生动物时，如何平衡检测精度与模型复杂度成为技术瓶颈。
为解决上述问题，东北林业大学研究团队在《Computer Vision and Image Understanding》发表论文，提出了一种基于YOLOv8n改进的WildMDT-YOLO野生动物检测模型。该研究通过多尺度聚焦扩散网络增强跨尺度上下文信息提取，采用动态任务对齐检测头提升分类与定位协同能力，结合可变形卷积与混合局部通道注意力机制，显著提升了复杂环境下的检测鲁棒性。
研究主要采用多尺度特征融合、任务对齐检测头优化、可变形卷积适配三项关键技术。实验使用Caltech Camera Traps数据集（含10类8500张图像），通过位置感知划分策略避免数据泄露，并采用Snapshot Serengeti数据集进行跨生态系统泛化验证。模型训练采用SGD优化器，设置100轮次训练，图像尺寸640×640，并引入Mosaic、MixUp等数据增强策略。
3.1. 数据集
研究选取美国西南部Caltech Camera Traps数据集构建10类野生动物子集，涵盖兔子、郊狼、鸟类等物种，包含遮挡、小目标、复杂背景等挑战性场景。通过45个相机位点的空间分离划分（36个训练/5个验证/4个测试），确保数据独立性。跨数据集验证采用坦桑尼亚塞伦盖蒂国家公园的Snapshot Serengeti数据，测试模型在稀树草原生境的迁移能力。
3.3. 评估指标
以mAP（mean Average Precision）为核心指标，同时关注小目标检测精度APs（目标面积≤322像素）。参数量（Params）、模型大小、FLOPs和FPS（Frames Per Second）作为效率评估标准。
3.4. 注意力机制对比实验
MLCA模块与ECA、CBAM对比显示，其以最低计算开销实现最高精度提升（mAP@0.5达90.4%），平衡了通道-空间与局部-全局信息捕获能力。
3.5. 消融实验
四模块组合（MFDN+DTADH+C2f-DCNv3+MLCA）实现最优性能：mAP@0.5提升至92.6%，参数量降至2.49M，小目标检测APs达87.4%。DTADH单独使用即可在降低参数同时提升检测速度至167 FPS。
3.6. 多模型对比
WildMDT-YOLO在相同实验条件下超越YOLOv5n～v11n及Mamba-YOLO等模型，较基准YOLOv8n提升3.1% mAP，较参数量相近的YOLOv11n提升3.8%，且小目标检测优势达6.7%。
3.7. 跨数据集泛化实验
在未微调情况下，模型在Snapshot Serengeti数据集上保持89.2% mAP，仅比原测试集下降3.4%，小目标检测精度83.6%，证明其强大的跨生态系统适应性。
3.8. 可视化分析
对比原始YOLOv8n，改进模型在低光照、遮挡、背景相似等复杂场景下显著减少误检漏检，检测框置信度与定位准确性明显提升。
研究结论表明，WildMDT-YOLO通过多尺度特征聚焦扩散、任务对齐交互机制与自适应卷积采样，有效解决了野生动物检测中的环境适应性难题。模型在提升精度的同时保持轻量化特性，适于边缘设备部署，为野生动物保护提供了可扩展的技术方案。未来工作需拓展至热带雨林、极地等多元生态系统验证，并加强视频流分析与实地部署优化，以推动人工智能在生态保护中的深度应用。
