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：
采用YOLOv8-ACBI算法的水面漂浮物检测方法
1
作者 孙浩宇 王秀友 +1 位作者 刘华明 王军奥 《宁德师范学院学报(自然科学版)》 2026年第1期39-50,共12页
针对水面漂浮物检测中的噪声干扰和小目标漏检问题,提出一种改进的YOLOv8算法——YOLOv8-AdditiveBlockCGLU-双向特征金字塔网络(简称为YOLOv8-ACBI)算法。在Backbone部分引入基于使用Addi⁃tiveBlock和Convolutional GLU两者共同改进构... 针对水面漂浮物检测中的噪声干扰和小目标漏检问题,提出一种改进的YOLOv8算法——YOLOv8-AdditiveBlockCGLU-双向特征金字塔网络(简称为YOLOv8-ACBI)算法。在Backbone部分引入基于使用Addi⁃tiveBlock和Convolutional GLU两者共同改进构建的C2f-AdditiveBlockCGLU模块,采用多尺度特征融合和动态门控增强细节聚焦有效特征,提升网络对小目标的感知力,降低冗余计算量。为了动态抑制背景噪声,将注意力聚焦在有效区域,在Neck段引入双向特征金字塔网络(BIFPN)思想对MAF-YOLO的多分支辅助金字塔网络(MAFPN)进行改进得到双向多支路辅助金字塔网络(BIMAFPN)。此改进围绕双向跨尺度连接优化和动态特征融合机制增强,以加权融合强化关键特征,缓解梯度消失问题。实验结果表明,与原始YOLOv8算法相比,改进后的YOLOv8-ACBI算法在水面小目标上的平均准确率mAP@0.5提升了2.0%,mAP@0.5∶0.95提升了1.1%,浮点计算量降低了17.1%,模型参数量缩减了34.9%,凭借高精度与轻量化的设计,有效实现了对水面小目标的快速、准确检测。 展开更多
关键词 水面漂浮物 目标检测 YOLOv8 convolutional glu 双向特征金字塔网络
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