YOLOv8改进：HIC-YOLOv8复现魔改HIC-YOLOv5，助力小目标检测（Small Object Detection）

💡💡💡本文独家改进：改进点：1）backbone加入CBAM；2）backbone、neck连接处加入involution注意力；3）添加一个针对小物体的额外预测头，提升小目标检测性能；

SOD-YOLOv8 |   亲测在多个数据集能够实现大幅涨点，尤其在VisDrone-2019涨点显著， VisDrone-2019-DET 数据集上将 mAP95 提高了 6.42%，将 mAP@0.5 提高了 9.38%。 ​

1.原理介绍

摘要：小目标检测一直是目标检测领域的一个具有挑战性的问题。 已经有一些工作提出了对该任务的改进，例如添加几个注意力块或改变特征融合网络的整体结构。 然而，这些模型的计算成本很大，这使得部署实时目标检测系统不可行，同时还有改进的空间。 为此，提出了一种改进的YOLOv5模型：HICYOLOv5来解决上述问题。 首先，添加一个针对小物体的额外预测头，以提供更高分辨率的特征图，以实现更好的预测。