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2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YOLOv8s的交通标志检测算法 被引量：9
1
作者 谢竞 邓月明 王润民 《计算机工程》 CAS CSCD 北大核心 2024年第11期338-349,共12页
针对当前主流的交通标志目标检测算法在复杂环境中对小目标检测精度低、存在误检和漏检的问题,提出一种改进的基于YOLOv8s的交通标志检测算法。该算法在主干网络中使用Pconv卷积并设计C2faster模块,以实现轻量化网络结构同时维持网络精... 针对当前主流的交通标志目标检测算法在复杂环境中对小目标检测精度低、存在误检和漏检的问题,提出一种改进的基于YOLOv8s的交通标志检测算法。该算法在主干网络中使用Pconv卷积并设计C2faster模块,以实现轻量化网络结构同时维持网络精度。为更好地利用底层和高层特征之间的信息,并增强区域上下文关联能力,根据SPPF的思想设计SPPFCSPC模块作为空间金字塔池化模块。通过添加GAM注意力机制进一步增强网络的特征提取能力,有效提高检测精度。为改善对微小目标的检测能力,在网络颈部添加四倍下采样分支,优化目标定位。此外,使用Focal-EIoU损失函数替换原CIoU损失函数,对预测框的宽高比进行准确定义,缓解正负样本不平衡的问题。实验结果表明,在CCTSDB-2021交通标志数据集上,改进算法的精确率、召回率和mAP@0.5分别达到86.1%、73.0%和81.2%,相比原始的YOLOv8s算法分别提高了0.8%、6.3%和6.9%。此外,该算法在复杂天气和恶劣环境下的误检和漏检问题得到明显改善,综合检测性能明显优于对比算法,具有较大的实用价值。 展开更多
关键词 YOLOv8 交通标志检测 注意力机制 Pconv c2faster
在线阅读 下载PDF
基于LMFF-YOLOv8的带钢表面缺陷检测方法研究
2
作者 邓能辉 石杰 +2 位作者 李小占 杨朝霖 吴昆鹏 《钢铁研究学报》 2025年第11期1495-1507,共13页
在复杂工业环境下,带钢缺陷检测对准确率和效率有着双重高要求,然而现有方法难以同时满足这2方面的需求,为此提出轻量化多级特征融合的缺陷检测网络模型LMFF-YOLOv8以应对该挑战。本文从多个方面对YOLOv8网络进行改进,首先设计C2Faster... 在复杂工业环境下,带钢缺陷检测对准确率和效率有着双重高要求,然而现有方法难以同时满足这2方面的需求,为此提出轻量化多级特征融合的缺陷检测网络模型LMFF-YOLOv8以应对该挑战。本文从多个方面对YOLOv8网络进行改进,首先设计C2Faster模块替代原始YOLOv8中的C2f模块,通过优化网络的主干和颈部结构,降低计算复杂度;其次在网络的颈部引入AFPN模块,增强不同尺度特征图的融合效果,同时设计快速选择内核注意力网络模块,进一步提升特征融合速度;最后采用EIoU损失函数替代CIoU损失函数,提高预测框的收敛速度和回归精度,使检测结果更加准确。为验证改进方法的有效性,在NEU-DET和R-DATA数据集上开展对比试验和消融试验。试验结果显示,相较于YOLOv8s, LMFF-YOLOv8在2数据集上平均精度均值分别提升4.4%和3.3%,同时运算速度也得到提高,为复杂工业环境下的带钢缺陷检测提供了一种有效的解决方案。 展开更多
关键词 YOLOv8 多级特征融合 c2faster AFPN 选择内核注意力
原文传递
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