针对无人机航拍图像中目标尺寸差异大、小目标聚集程度高、目标被遮挡，导致目标检测算法出现误检和漏检的问题，提出了一种基于多特征跨层融合的航拍小目标检测算法DM-YOLOv8。设计了一种部分通道可变形卷积模块PCDConv,在此基础之上改进了C2f中的Bottleneck模块，记为PCD＿C2f,进而替换主干部分C2f,自适应地调整卷积核的采样位置，提升主干网络对被遮挡小目标的特征提取能力。改进neck网络，针对检测模型对浅层信息利用不足，基于Bifpn重新设计neck网络，并在小目标检测层中引入设计的多特征跨层融合模块MFC,对细粒度的空间信息和通道信息进行整体建模。添加融合多个注意力机制的目标检测头DyHead,提高检测模型对小目标的检测精度。改进边界框损失函数，提高模型对航拍图像中困难样本的学习能力。实验结果表明，在VisDrone2019数据集上DM-YOLOv8相较YOLOv8s, mAP_(0.5)和mAP_(0.5:0.95)分别提升了3.7%和2.1%,满足实时检测的要求。