针对目前咖啡果实的成熟度主要依赖人工判断且果实相互遮挡导致识别难度大的问题,文章提出一种改进的YOLOv8模型的咖啡果实成熟度检测方法。首先,在Backbone端使用iRMB(Inverted Residual Mobile Block)混合网络模块替换C2f(CSP Bottlen...针对目前咖啡果实的成熟度主要依赖人工判断且果实相互遮挡导致识别难度大的问题,文章提出一种改进的YOLOv8模型的咖啡果实成熟度检测方法。首先,在Backbone端使用iRMB(Inverted Residual Mobile Block)混合网络模块替换C2f(CSP Bottleneck with 2 Convolutions),增强模型特征表示能力;其次,引入BiFormer注意力机制,增强对遮挡和小目标果实的检测能力,更换CARAFE(Content-Aware ReAssembly of Features)上采样算子,拓宽感受视野;最后,引入Wise-IOU损失函数,加速模型收敛。经验证,相比于原算法,改进算法的精确率、召回率、平均精确率分别提升了6.1百分点、1.0百分点、2.9百分点。研究结果表明,改进的YOLOv8模型可以为咖啡果实的成熟度检测提供有效参考。展开更多
针对因攀岩动作复杂、攀岩过程中人体姿态容易受到遮挡导致目标检测困难的问题,提出一种基于改进YOLOv8s-Pose的攀岩动作检测算法。首先,用GhostBottleneck模块代替C2f模块,减少特征通道融合过程中的浮点运算量,降低模型参数量;其次,引...针对因攀岩动作复杂、攀岩过程中人体姿态容易受到遮挡导致目标检测困难的问题,提出一种基于改进YOLOv8s-Pose的攀岩动作检测算法。首先,用GhostBottleneck模块代替C2f模块,减少特征通道融合过程中的浮点运算量,降低模型参数量;其次,引入EMA(exponential moving average)注意力机制,提高重要特征的权重,降低无关特征的权重;最后,引入CARAFE(content-awarereassembly of features)上采样算子,获得较大的感受野,提升上采样操作特征提取能力,使网络能够捕获到更丰富的特征语义信息。实验结果表明:在攀岩姿态数据集上,改进算法与原算法相比,mAP50提高了1.56%,模型大小缩小12.77%,参数量降低了12.83%,模型计算量降低且精度提升,能够实时准确地检测攀岩动作。展开更多
文摘针对目前咖啡果实的成熟度主要依赖人工判断且果实相互遮挡导致识别难度大的问题,文章提出一种改进的YOLOv8模型的咖啡果实成熟度检测方法。首先,在Backbone端使用iRMB(Inverted Residual Mobile Block)混合网络模块替换C2f(CSP Bottleneck with 2 Convolutions),增强模型特征表示能力;其次,引入BiFormer注意力机制,增强对遮挡和小目标果实的检测能力,更换CARAFE(Content-Aware ReAssembly of Features)上采样算子,拓宽感受视野;最后,引入Wise-IOU损失函数,加速模型收敛。经验证,相比于原算法,改进算法的精确率、召回率、平均精确率分别提升了6.1百分点、1.0百分点、2.9百分点。研究结果表明,改进的YOLOv8模型可以为咖啡果实的成熟度检测提供有效参考。
文摘针对因攀岩动作复杂、攀岩过程中人体姿态容易受到遮挡导致目标检测困难的问题,提出一种基于改进YOLOv8s-Pose的攀岩动作检测算法。首先,用GhostBottleneck模块代替C2f模块,减少特征通道融合过程中的浮点运算量,降低模型参数量;其次,引入EMA(exponential moving average)注意力机制,提高重要特征的权重,降低无关特征的权重;最后,引入CARAFE(content-awarereassembly of features)上采样算子,获得较大的感受野,提升上采样操作特征提取能力,使网络能够捕获到更丰富的特征语义信息。实验结果表明:在攀岩姿态数据集上,改进算法与原算法相比,mAP50提高了1.56%,模型大小缩小12.77%,参数量降低了12.83%,模型计算量降低且精度提升,能够实时准确地检测攀岩动作。
