-
题名基于FLH-YOLOv8的轻量级红外目标检测算法
- 1
-
-
作者
洪远
姜明新
冯国露
孔宁
-
机构
淮阴工学院电子信息工程学院
-
出处
《传感技术学报》
北大核心
2025年第4期658-667,共10页
-
基金
国家自然科学基金项目(62205120)
江苏高校青蓝工程项目(202004)。
-
文摘
红外物体检测是计算机视觉中目标检测领域的重要研究方向,针对YOLOv8检测红外物体时模型大小、参数量、GFLOPs过大的问题,提出了一种FLH-YOLOv8网络结构,以实现模型的轻量化。首先,采用创新后的StemPlus Block与多个串联的Shuffle Block构建YOLOv8 Backbone主干网,提升特征的表达能力;其次,在SPPF层后引入MSCA多尺度卷积注意力机制,提高对特征的关注;接着,选取深度可分离卷积DWConv与全新连接操作ADD轻量化实现颈部多尺度特征融合;最后,提出五头LADH预测头(FLH)并将SlideLoss损失函数与IoU损失相结合,在实现网络结构轻量化的同时提高检测精度。实验结果表明,FLH-YOLOv8在三种红外数据集上,模型大小平均从22.5 M下降92.4%至1.7 M,模型参数量下降93.9%,平均精度基本保持在95%以上。在保持检测精度的同时,大大降低了网络的复杂程度。
-
关键词
目标检测
轻量化
SteamPlus
block
深度可分离卷积
五头ladh预测头
-
Keywords
object detection
lightweight
SteamPlus block
depthwise separable convolution
five-head ladh prediction
-
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YOLOv8-Pose的人体上肢位姿检测模型
- 2
-
-
作者
胡晓
周宇
张尧尧
-
机构
重庆理工大学机械工程学院
-
出处
《现代信息科技》
2025年第14期49-54,共6页
-
基金
重庆市人工智能技术创新重大主题专项重点研发项目(cstc2017rgzn-zdyfx0010)。
-
文摘
结合柔性上肢康复机器人辅助患者进行上肢康复时的位姿检测需求,文章基于YOLOv8-Pose改进了上肢位姿检测模型。引入FasterNext模块,丰富了所提取的特征信息,提升了检测精度;引入LADH检测头,在保持计算效率的同时,减少了参数量;引入PIoU损失函数,加速了边框检测收敛,减少了漏检率,提高了检测精确度。验证结果表明改进的人体上肢位姿检测模型能够提高位姿检测的精度与速度,可以满足柔性上肢康复机器人的应用控制需求;相较于原型YOLOv8-Pose,改进模型的P值、R值、mAP@0.5、mAP@0.5:0.95依次为84.1%、85.1%、83.2%和43.3%,分别增加了1.2%、2.1%、6.3%和3.8%;GFLOPs下降至8.1,减少了6.9%;参数量下降至2.80,减少了12.6%。研究成果可为人体位姿检测提供一定的参考。
-
关键词
位姿检测
YOLOv8-Pose
FasterNext
ladh
PIoU
-
Keywords
pose detection
YOLOv8-Pose
FasterNext
ladh
PIoU
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
