-
题名基于YOLOv8改进的下水管道障碍物识别算法
被引量：1
- 1
-
-
作者
吴裕发
郑少峰
-
机构
福建理工大学交通运输学院
-
出处
《福建理工大学学报》
2024年第6期590-597,共8页
-
基金
福建省科技厅引导性项目(2021H0025)。
-
文摘
为提升下水管道障碍物清理效率和管道障碍物识别准确率,提出一种基于YOLOv8改进的管道障碍物识别算法。通过优化YOLOv8目标检测模型,使其更适用于环境复杂的管道内部障碍物检测任务。在YOLOv8网络结构的基础上引入PGI模块,增加辅助可逆支路和多级辅助模块缓解信息瓶颈问题,减少精度损失;引入SCConv模块来替换C2f模块,在实现模型轻量化的情况下保持检测精度;引入Focal-Modulation模块改进了传统的SPPF模块,使模型的精度得到一定程度的提升。实验结果表明,改进后的识别算法与YOLOv8n模型相比,在mAP@0.5精度上提升4.6%,在mAP@0.5~0.95精度上提升3.9%,参数量降低33.3%,计算量减少17.3%,更加适用于下水管道障碍物的识别检测。
-
关键词
目标检测
下水管道
障碍物识别
PGI
SCConv
focal-modulation
-
Keywords
target detection
sewer pipe
obstacle detection
PGI
SCConv
focal-modulation
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进YOLOv8的复杂环境行人检测算法研究
- 2
-
-
作者
金吉成
-
机构
汉江师范学院
-
出处
《中国新技术新产品》
2024年第24期21-23,共3页
-
基金
汉江师范学院科学研究计划项目“基于视频大数据的行人重识别研究”(项目编号:2023B20)。
-
文摘
复杂场景下行人检测的准确性和鲁棒性面临极大挑战,本文提出了一种改进YOLOv8的行人检测算法,以提高检测质量。首先,本文将重参数化网络UniRepLKNet代替原YOLOv8s模型的骨干网络,将其用于行人特征提取。该网络不仅增大了感受野,而且避免了小尺寸核大量地堆叠使用。其次,将Focal-Modulation模块替代原SPPF模块,该模块利用焦点调制机制聚焦行人图像中的关键特征区域。最后,引入形态交并比损失ShapeIoU来提高边界回归准确性。在RTTS和WiderPerson数据集上进行试验,结果显示,与原YOLOv8s模型相比,改进算法的平均精度(AP)提升了3.1%、2.6%。所提算法具有较高的检测精度和鲁棒性,可以满足监控领域复杂场景下行人检测的需求。
-
关键词
行人检测
YOLOv8
UniRepLKNet
focal-modulation
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
