-
题名基于YOLOv8的小目标检测方法研究
- 1
-
-
作者
王晓雯
常居泰
于骐瑞
-
机构
山西大学物理电子工程学院
-
出处
《中北大学学报(自然科学版)》
2025年第6期712-725,共14页
-
基金
山西省基础研究计划资助项目(202403021221010)。
-
文摘
为了提升小目标检测的准确性和效率,本文针对现有算法在小目标识别方面的不足,提出了一种基于YOLOv8的改进型检测方法。该方法在YOLOv8的基础上,融入了SPD(Space-to-Depth)模块,有效避免了传统步长卷积和池化操作所导致的信息损失;同时,提出了改进的FT_Conv(Fractional Fourier Trans‑form Convolution),提高了模型对小目标的检测精度和计算效率;此外,通过C2f_BiLevel Routing Attention机制,实现了动态稀疏注意力,优化了特征融合和物体检测性能,进一步提升了模型对小目标的识别能力;最后,引入了Powerful-IoU损失函数,以改善现有的IoU锚框面积扩大问题,增强了对锚框的聚焦能力。实验结果表明,相较于原始YOLOv8模型,改进后的模型在小目标检测任务中的平均精度(AP)提升了3.29百分点,并且显著地降低了漏检率和误检率。这些成果证实了改进型YOLOv8模型在小目标检测领域具有明显的性能优势。
-
关键词
小目标检测
YOLOv8
分数阶傅里叶变换
模型评估
动态稀疏注意力
Powerful-IoU损失函数
-
Keywords
small target detection
YOLOv8
ft_conv
model evaluation
dynamic sparse attention
Powerful-IoU loss function
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
