-
题名改进YOLOv8的城市泛在图像建筑物精准分割算法
- 1
-
-
作者
蒋涛
朱军
谢亚坤
党超
张锦彬
-
机构
西南交通大学地球科学与工程学院
西南交通大学桥梁智能与绿色建造全国重点实验室
-
出处
《测绘科学》
北大核心
2025年第8期41-50,共10页
-
基金
国家重点研发计划课题项目(2022YEC3005703)。
-
文摘
针对已有YOLOv8算法在城市泛在图像中对形状不规则、背景复杂的建筑物存在实例分割精度不足的问题,该文提出一种基于YOLOv8的融合多尺度和多层次注意力的精准分割算法。首先将蛇形动态卷积(DSConv)融入骨干中的残差块(C2f),以更好适应建筑物多尺度不规则结构;接着在颈部网络中采用Concat_BiFPN模块,该模块通过权重分配有效地处理多源数据的多尺度信息;最后采用融合3种注意力的动态检测头(Dyhead),专注于目标区域的同时减少复杂背景的影响。基于实例分割的实验结果表明,改进后的算法有效提升了遥感图像、航拍图像和近地图像中建筑物的分割精度,平均mAP@0.5达到了82.8%,比基线模型提高了6.2%,其中遥感图像的mAP@0.5提升了8.1%,为提高对图像的理解能力提供了关键技术支撑。
-
关键词
YOLOv8
实例分割
建筑物
DSConv
concat_bifpn
Dyhead
-
Keywords
YOLOv8
instance segmentation
structures
DSConv
BiFPN
Dyhead
-
分类号
P237.9
[天文地球—摄影测量与遥感]
-
-
题名基于深度学习的配电设备红外目标检测模型
- 2
-
-
作者
朱玉华
吴宁
龚晓腾
-
机构
沈阳工业大学化工过程自动化学院
-
出处
《电气应用》
2024年第5期107-113,共7页
-
文摘
针对当前模型,对配电设备在复杂背景下存在识别准确度低的问题,构建了配电设备红外图像数据集,提出了一种基于深度学习的配电设备红外目标检测模型。基于YOLOv8s模型进行改进,在Neck部分将Concat替换为Concat_BiFPN,促进多尺度特征融合;在Neck部分加入上下文聚合模块Context Aggregation,助力小目标检测;使用Wise-IoU v3代替原来的损失函数,聚焦训练过程中难以拟合的锚框的预测回归;最后,在YOLOv8s分类器与回归器部分增加小目标检测层,提升小目标的识别能力。研究结果表明,改进后的模型与原模型相比,准确度、召回率、MAP和F1分数分别提升了4.5%、3%、2.1%和3.7,可有效应用于配电设备的部件检测。
-
关键词
配电部件检测
红外图像
concat_bifpn
小目标检测层
-
Keywords
distribution component detection
infrared image
concat_bifpn
small object detection layer
-
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
-
