期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
改进YOLOv8n的水面漂浮物检测算法设计
1
作者 魏天艺 刘海晨 +4 位作者 刘烨 丁学文 刘文婧 冯银珂 陈静 《计算机与网络》 2025年第4期369-378,共10页
针对水面漂浮物检测中的复杂背景、多变光照及目标不对齐问题,提出了一种基于YOLOv8n的改进算法——FDDYOLO(Floating Debris Detection YOLO),以实现高效的水资源保护应用。采用GSConv(Grouped Spatial Convolution)技术构建Slim-neck... 针对水面漂浮物检测中的复杂背景、多变光照及目标不对齐问题,提出了一种基于YOLOv8n的改进算法——FDDYOLO(Floating Debris Detection YOLO),以实现高效的水资源保护应用。采用GSConv(Grouped Spatial Convolution)技术构建Slim-neck结构,降低模型参数量和计算负担,适配边缘设备;引入多维协同注意力(Multidimensional Collaborative Attention,MCA)机制,增强复杂环境下关键特征提取能力;使用最大预测距离交并比(Maximum Point Distance Based Intersection over Union,MPDIoU)损失函数替换完全交并比(Complete IoU,CIoU),优化目标定位精度。在FloW数据集上,FDDYOLO的mAP@50提升至82.2%,参数量降至2.88 M,浮点运算数(Giga Floating-point Operations Per Second,GFLOPS)减至7.4,FPS增至89.1;在2400数据集上,mAP@50达79.3%,mAP@50:95达50.0%,参数量减至2.75 M。实验表明,FDDYOLO在检测精度、泛化性和鲁棒性上表现优异,计算资源需求低、处理速度快,适用于边缘设备实时检测,为水资源保护和自动化清洁提供高效的解决方案。 展开更多
关键词 漂浮物检测 FDDYOLO Slim-neck 多维协同注意力 最大预测距离交并比
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部