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3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：
基于改进YOLOv8的SAR图像舰船目标检测算法研究
1
作者 罗雨婷 杨维明 +2 位作者 武书博 徐泽 潘能源 《现代电子技术》 北大核心 2026年第3期1-7,共7页
针对合成孔径雷达图像舰船目标检测算法在精度、计算效率和模型复杂度之间难以兼顾等问题,提出一种基于改进YOLOv8的SAR图像舰船目标检测算法。首先,在Head部分增加一个P2检测头,提高对小尺度目标的检测能力;其次,在C2f模块中引入增强... 针对合成孔径雷达图像舰船目标检测算法在精度、计算效率和模型复杂度之间难以兼顾等问题,提出一种基于改进YOLOv8的SAR图像舰船目标检测算法。首先,在Head部分增加一个P2检测头,提高对小尺度目标的检测能力;其次,在C2f模块中引入增强的多尺度通道感知结构,以增强特征表达能力并优化多尺度目标检测效果;同时,在检测头前增加卷积注意力模块,提升模型对关键特征的关注度;此外,采用Ghost轻量化卷积以减少计算量,提高模型推理速度。在HRSID上的实验结果显示:相较于原始YOLOv8,改进后的算法在SAR图像舰船目标检测平均精度均值(mAP)上提升了2.8%、召回率(R)提升了4.2%,检测速度(FPS)提高了27.1 f/s、计算量GFLOPs降低了25.17%。与RCSA-YOLO相比,虽然计算量略微增加,但文中算法的mAP值高出4.7%,准确率也高于RCSA-YOLO;与其他算法相比,文中算法在保证较高检测精度的情况下大幅降低了模型参数量和计算量,提高了检测效率。实验结果表明,改进后的YOLOv8算法较好地兼顾了检测精度、检测效率和模型复杂度,对复杂背景下的SAR小尺度舰船检测具有较高的实用价值,可为海上监视与港口安防等实时应用提供支持。 展开更多
关键词 合成孔径雷达 YOLOv8 舰船目标检测 增强的多尺度通道感知 卷积注意力模块 模型轻量化
在线阅读 下载PDF
基于改进YOLOv8s的交通目标检测研究 被引量：3
2
作者 李晋 赵杰 +1 位作者 吕亚飞 杨振跃 《现代电子技术》 北大核心 2025年第3期181-186,共6页
针对自动驾驶场景下交通目标检测算法存在的误检及漏检的问题,提出一种基于改进YOLOv8s模型的复杂道路交通目标检测算法。设计一种轻量级的C2f⁃EMSCP模块改进YOLOv8s的骨干网络,实现网络的参数量和计算量的降低;在Backbone和Neck部分添... 针对自动驾驶场景下交通目标检测算法存在的误检及漏检的问题,提出一种基于改进YOLOv8s模型的复杂道路交通目标检测算法。设计一种轻量级的C2f⁃EMSCP模块改进YOLOv8s的骨干网络,实现网络的参数量和计算量的降低;在Backbone和Neck部分添加EMA注意力模块,有效地捕捉了全局的通道依赖性与局部空间特征,实现在通道和空间维度上的全面特征抽取;针对密集车流下小尺寸车辆检测效果不佳的问题,添加小目标检测头,更好地捕获小尺寸车辆的特征和上下文信息;使用可自适应调整权重系数的Wise⁃SIoU作为改进模型的损失函数,提升了边界框的回归性能和检测的鲁棒性。在KITTI数据集上进行实验,P、R和mAP@0.5分别提高了0.4%、2.1%和3.7%。文中的改进方法在交通监控系统中能够达到较好的检测精度和速度,有效改善了复杂交通场景下小目标车辆检测效果不佳的问题。 展开更多
关键词 自动驾驶 YOLOv8s C2f⁃emscp模块 小目标检测 注意力机制 损失函数
在线阅读 下载PDF
基于多尺度特征结合的轻量化小目标检测算法
3
作者 孙文赟 朱逸凡 《软件工程》 2025年第12期34-38,共5页
针对现有小目标检测中的模型过大导致实时工作能力不足的问题,提出一种基于多尺度特征结合的轻量化小目标检测算法GBF-YOLO(Global-local BiFPN Fusion YOLO)。首先,引入改进高效多尺度卷积模块(Efficient Multi-Scale Convolution Plus... 针对现有小目标检测中的模型过大导致实时工作能力不足的问题,提出一种基于多尺度特征结合的轻量化小目标检测算法GBF-YOLO(Global-local BiFPN Fusion YOLO)。首先,引入改进高效多尺度卷积模块(Efficient Multi-Scale Convolution Plus,EMSCP),提取多尺度特征信息;其次,提出双向特征金字塔网络BiFPNGLSA并替换原颈部网络,减少位置信息的丢失;最后,使用了Soft-NMS优化相邻检测目标的保留判断。实验结果表明,本文算法相较于原模型,参数量和计算量分别减少了34.5%和15.7%,mAP@0.5相较于YOLOv8n提升了12.1个百分点,能够在实现模型轻量化的同时有效提升小目标图像检测性能。 展开更多
关键词 小目标检测 BiFPN 特征融合 emscp
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