期刊文献+
共找到160篇文章
< 1 2 8 >
每页显示 20 50 100
基于改进YOLOv8的交通场景实例分割算法 被引量:4
1
作者 赵南南 高翡晨 《计算机工程》 北大核心 2025年第1期198-207,共10页
提出一种基于改进型YOLOv8的实例分割算法(DE-YOLO)。为减少图像中复杂背景的干扰,引入高效多尺度注意力机制,跨维交互使各特征组内空间语义特征平均分布。在主干网络部分,使用可变形卷积DCNv2结合C2f卷积层,突破原始卷积限制,提升可变... 提出一种基于改进型YOLOv8的实例分割算法(DE-YOLO)。为减少图像中复杂背景的干扰,引入高效多尺度注意力机制,跨维交互使各特征组内空间语义特征平均分布。在主干网络部分,使用可变形卷积DCNv2结合C2f卷积层,突破原始卷积限制,提升可变性。为减小有害梯度并提升检测器精度,采用动态非单调聚焦机制Wise-交并比(WIoU)替代联合完全交并(CIoU)损失函数进行质量评估,优化检测框定位,提升分割精度。同时,通过开启Mixup数据增强处理,充实数据集,丰富训练特征,提升模型学习能力。实验结果表明,DE-YOLO在城市景观数据集Cityscapes中的掩模平均精度均值(mAPmask)较基准模型YOLOv8n-seg提高了2.0百分点,IoU阈值为0.5时的平均精度提升了3.2百分点,所提算法在提升精度的同时,保持了优良的检测速度和较少的参数量,模型参数量较同类模型低2.2~31.3百分点。 展开更多
关键词 yolov8网络 实例分割 高效多尺度注意力 可变形卷积 损失函数
在线阅读 下载PDF
基于YOLOv8的煤矿安全帽和安全背心检测算法 被引量:3
2
作者 程磊 张俊展 +1 位作者 景国勋 王蒙 《中国安全生产科学技术》 北大核心 2025年第2期115-121,共7页
为了预防煤矿作业中因个人防护装备缺失导致的安全事故,提升工人安全帽和安全背心佩戴情况的智能检测能力。基于YOLOv8提出1种改进的目标检测算法SMT-YOLOv8s,该算法引入尺度感知调制模块(scale-aware modulation transformer,SMT)用于... 为了预防煤矿作业中因个人防护装备缺失导致的安全事故,提升工人安全帽和安全背心佩戴情况的智能检测能力。基于YOLOv8提出1种改进的目标检测算法SMT-YOLOv8s,该算法引入尺度感知调制模块(scale-aware modulation transformer,SMT)用于增强图像特征提取,设计跨通道增强通道注意力模块(cross-channel enhanced channel attention,C2ECA)以突出目标特征的表征能力,并提出增强型完全交并比(improved enhanced complete intersection over union,IE-CIoU),用于更精确地计算预测框与真实框之间的位置偏差。研究结果表明:提出的SMT-YOLOv8s算法相较于YOLOv8s模型在自建数据集上的mAP50和mAP50-95分别提高3.7百分点和2.7百分点。与其他算法相比,SMT-YOLOv8s兼具较高精度和计算效率。研究结果可为煤矿个人防护装备智能检测研究提供参考。 展开更多
关键词 yolov8 卷积神经网络 安全帽检测 安全背心检测 煤矿安全
在线阅读 下载PDF
DCA-YOLO:Detection Algorithm for YOLOv8 Pulmonary Nodules Based on Attention Mechanism Optimization 被引量:1
3
作者 SONG Yongsheng LIU Guohua 《Journal of Donghua University(English Edition)》 2025年第1期78-87,共10页
Pulmonary nodules represent an early manifestation of lung cancer.However,pulmonary nodules only constitute a small portion of the overall image,posing challenges for physicians in image interpretation and potentially... Pulmonary nodules represent an early manifestation of lung cancer.However,pulmonary nodules only constitute a small portion of the overall image,posing challenges for physicians in image interpretation and potentially leading to false positives or missed detections.To solve these problems,the YOLOv8 network is enhanced by adding deformable convolution and atrous spatial pyramid pooling(ASPP),along with the integration of a coordinate attention(CA)mechanism.This allows the network to focus on small targets while expanding the receptive field without losing resolution.At the same time,context information on the target is gathered and feature expression is enhanced by attention modules in different directions.It effectively improves the positioning accuracy and achieves good results on the LUNA16 dataset.Compared with other detection algorithms,it improves the accuracy of pulmonary nodule detection to a certain extent. 展开更多
关键词 pulmonary nodule yolov8 network object detection deformable convolution atrous spatial pyramid pooling(ASPP) coordinate attention(CA)mechanism
在线阅读 下载PDF
融合边缘特征与细节感知网络的YOLOv8s髋关节关键点检测算法 被引量:1
4
作者 吕佳 段训禄 陈欣 《光电工程》 北大核心 2025年第3期84-99,共16页
髋关节关键点的准确识别对于提高发育性髋关节发育不良诊断精度具有重要意义。然而,在儿童髋关节X射线图像中,关键点所在的骨骼区域通常对比度低和边缘模糊,导致边缘特征不明显。同时,在特征提取过程中,下采样操作会进一步弱化边缘信息... 髋关节关键点的准确识别对于提高发育性髋关节发育不良诊断精度具有重要意义。然而,在儿童髋关节X射线图像中,关键点所在的骨骼区域通常对比度低和边缘模糊,导致边缘特征不明显。同时,在特征提取过程中,下采样操作会进一步弱化边缘信息。此外,关键点邻域内的关键结构易受背景干扰,这些因素均限制了关键点的精确定位。为此,本文提出了一种融合边缘特征与细节感知网络的YOLOv8s髋关节关键点检测算法。该算法在网络中设计了边缘特征强化模块,以捕获关键点周围空间信息并增强其所在的边缘特征;同时,提出细节感知网络,对多层级特征进行融合与优化,增强对图像中细微结构的感知能力。本文使用重庆医科大学附属儿童医院影像科提供的髋关节X射线图像数据集进行实验,结果显示,关键点的平均定位误差和平均角度误差降低至4.2090pixel和1.4872°,相较于YOLOv8s降低了6.8%和9.9%,显著优于现有方法。实验证明,本文算法有效提升了关键点的检测精度,为临床诊断提供了重要参考。 展开更多
关键词 发育性髋关节发育不良 关键点检测 yolov8s 边缘特征强化 细节感知网络
在线阅读 下载PDF
基于改进的YOLOv8算法的钢材缺陷检测
5
作者 彭菊红 张弛 +3 位作者 高谦 张光明 谈栋华 赵明俊 《计算机工程》 北大核心 2025年第7期152-160,共9页
在工业场景下钢材表面缺陷检测技术存在检测精度低、收敛速度慢等问题。为此,提出一种改进的YOLOv8算法YOLOv8n-MDC。首先,在骨干网络中加入多尺度交叉融合网络(MCN),通过在特征层之间建立更紧密的连接,促进信息的均匀传递,减少跨层特... 在工业场景下钢材表面缺陷检测技术存在检测精度低、收敛速度慢等问题。为此,提出一种改进的YOLOv8算法YOLOv8n-MDC。首先,在骨干网络中加入多尺度交叉融合网络(MCN),通过在特征层之间建立更紧密的连接,促进信息的均匀传递,减少跨层特征融合时的语义信息损失,从而增强模型对钢材缺陷的感知能力;其次,在模块中引入可变形卷积,自适应地改变卷积核的形状与位置,从而更灵活地捕捉不规则缺陷的边缘特征,减少信息丢失,提升检测的准确性;最后,加入坐标注意力(CA)机制,将位置信息嵌入到通道中,解决了位置信息丢失的问题,使模型能够更精确地感知缺陷的位置及其形态特征,从而提升检测的精度和稳定性。在NEU-DET数据集上的实验结果表明,YOLOv8n-MDC算法的mAP@0.5达到了81.0%,相比原基准网络提升了4.2百分点,该算法收敛速度较快、精度较高,更能满足实际工业生产的要求。 展开更多
关键词 多尺度交叉融合网络 yolov8网络 坐标注意力机制 钢材缺陷检测 可变形卷积
在线阅读 下载PDF
一种基于改进YOLOv8的织物缺陷检测算法
6
作者 杨祥 王圣凯 董明刚 《桂林理工大学学报》 北大核心 2025年第3期416-425,共10页
为了解决织物缺陷检测中尺度变化大、面积占比小导致识别难的问题,提出一种基于改进YOLOv8的织物缺陷目标检测算法。首先引入SimAM无参注意力优化YOLOv8m的C2f模块,提升对织物缺陷的特征提取能力;再参考Rep-BiFPN结构,引入BiC模块重构... 为了解决织物缺陷检测中尺度变化大、面积占比小导致识别难的问题,提出一种基于改进YOLOv8的织物缺陷目标检测算法。首先引入SimAM无参注意力优化YOLOv8m的C2f模块,提升对织物缺陷的特征提取能力;再参考Rep-BiFPN结构,引入BiC模块重构骨干网络与颈部网络的连接(Concat)模块,同时参照Bi-FPN金字塔跨层连接的思想对原颈部网络的FPN-PAN进行改进,提升颈部网络的特征融合能力;最后使用Wise-IoUv3替换YOLOv8m的CIoU计算模型边界框损失,通过降低模型对纵横比较大缺陷的惩罚力度提高检测精度。实验结果表明,改进YOLOv8m的平均精确度的均值mAP达到了94.1%,相较于YOLOv8m提高了8.6百分点,并且对于各类织物缺陷算法的检测精度都保持在90%以上,满足工业对织物缺陷检测的实际需求。 展开更多
关键词 织物缺陷 目标检测 yolov8 颈部网络 边界框损失
在线阅读 下载PDF
基于YOLOv8改进的跌倒检测算法:CASL-YOLO 被引量:1
7
作者 徐慧英 赵蕊 +1 位作者 朱信忠 黄晓 《浙江师范大学学报(自然科学版)》 CAS 2025年第1期36-44,共9页
跌倒对老年人危害极大,是我国65岁以上老年人致残和伤害死亡的首要原因.然而,目前主流的跌倒检测技术受环境的干扰较大,在物体遮挡、光照变化等复杂场景下的检测准确率较低,且模型的参数量和计算量较高,导致成本居高不下,不能很好地部... 跌倒对老年人危害极大,是我国65岁以上老年人致残和伤害死亡的首要原因.然而,目前主流的跌倒检测技术受环境的干扰较大,在物体遮挡、光照变化等复杂场景下的检测准确率较低,且模型的参数量和计算量较高,导致成本居高不下,不能很好地部署应用于实际生活场景.针对上述问题,提出了一种在复杂环境下轻量级的基于YOLOv8模型改进的跌倒检测算法:CASL-YOLO.首先,该模型引入空间深度卷积(SPD-Conv)模块替代传统卷积模块,通过对每个特征映射进行卷积操作,保留通道维度中的全部信息,从而提高模型在低分辨率图像和小物体检测方面的性能;其次,引入基于位置信息的注意力机制,以捕获跨通道、方向和位置感知的信息,从而更准确地定位和识别人体目标;最后,在特征提取模块中引入选择性大卷积核(LSKNet)动态调整感受野,以有效处理跌倒检测场景中的复杂环境信息,提高网络的感知能力和检测精度.实验结果表明,在公开的Human Fall数据集上,CASL-YOLO的mAP@0.5达到96.8%,优于基线YOLOv8n,同时模型仅有3.4×MiB的参数量和11.7×10^(9)的计算量.相比其他检测算法,CASL-YOLO在参数量和计算量小幅增加的情况下,实现了更高的精度和性能,同时满足实际场景的部署要求. 展开更多
关键词 跌倒检测 yolov8 注意力机制 空间深度卷积 选择性大卷积核
在线阅读 下载PDF
基于轻量化YOLOv8的换向器槽内异物检测
8
作者 李慧敏 宋旭宁 《机床与液压》 北大核心 2025年第15期151-157,共7页
在电机自动化生产流水线中,换向器经过车削等工艺后,铜屑等异物掉入其绝缘槽内,从而影响电机性能。换向器槽内异物特征不明显,且异物微小难以发现。针对这一问题,提出一种基于改进的轻量化YOLOv8换向器槽内异物检测算法。设计合理照明... 在电机自动化生产流水线中,换向器经过车削等工艺后,铜屑等异物掉入其绝缘槽内,从而影响电机性能。换向器槽内异物特征不明显,且异物微小难以发现。针对这一问题,提出一种基于改进的轻量化YOLOv8换向器槽内异物检测算法。设计合理照明系统采集绝缘槽内特征明显的图像,引入轻量化网络ShuffleNetV2替代YOLOv8网络中的主干结构,并对原网络中的C2f模块进行通道剪枝,减少模型的复杂程度。在模型的骨干网络中引入ELA注意力机制,增强小目标特征的提取能力,弥补轻量化带来的精度损失,提高模型检测性能。最后,将原网络中的CIoU损失函数替换为EIoU,使得正负样本分配更加合理,提高回归预测的准确性,进一步提升网络的检测精度。实验结果表明:相比于原始YOLOv8模型,改进的轻量化YOLOv8算法检测精度提高了1.1%,参数量、浮点计算量分别降低了0.35 MB、1.6 GB。该方法能够在树莓派等嵌入式设备下实现高精度检测,符合自动化实时检测的速度和精度需求。 展开更多
关键词 换向器 微小异物检测 轻量化网络 yolov8
在线阅读 下载PDF
基于改进YOLOv8的复杂果园环境下杏果的目标检测
9
作者 买买提·沙吾提 阿尔庆·西力克 《中国农机化学报》 北大核心 2025年第3期246-252,270,共8页
为解决复杂果园环境中,因遮挡、重叠导致杏果识别误检率较高、检测精度较低的问题,提出一种基于改进YOLOv8n网络模型的杏果检测算法。该算法采用轻量化模块MobileViT—XS替换原有骨干网络,保证特征提取能力,同时降低模型的参数量与计算... 为解决复杂果园环境中,因遮挡、重叠导致杏果识别误检率较高、检测精度较低的问题,提出一种基于改进YOLOv8n网络模型的杏果检测算法。该算法采用轻量化模块MobileViT—XS替换原有骨干网络,保证特征提取能力,同时降低模型的参数量与计算量,并且将原始的损失函数CIoU替换为WIoUv3,动态优化损失权重提高模型的检测精度。为验证改进方法的有效性,选取6种主流的目标检测模型、5种骨干网络的轻量化改进模型以及5种不同的损失函数进行对比试验。结果表明,改进后的模型相比原始模型在F 1、平均精度均值mAP上提升1.25%、1.48%,参数量、浮点运算量、模型大小分别降低28.06%、0.1 G、1.48 MB。改进后的算法能够精准、快速地在复杂的果园环境中识别出杏果。 展开更多
关键词 杏果 目标检测 复杂果园环境 轻量化网络 yolov8算法 损失函数
在线阅读 下载PDF
基于轻量化YOLOv8的副井无人化智能操车系统研究
10
作者 陈瑞云 唐俊 +1 位作者 许志 李敬兆 《兰州工业学院学报》 2025年第2期20-25,共6页
针对目前基于深度学习神经网络的人员、车辆检测模型内存需求大、识别速度慢、在矿山复杂环境中检测精度低等问题,提出了一种基于轻量化YOLOv8的副井区域人员、车辆实时检测方法。首先,结合轻量级网络EfficientViT优化YOLOv8主干网络,... 针对目前基于深度学习神经网络的人员、车辆检测模型内存需求大、识别速度慢、在矿山复杂环境中检测精度低等问题,提出了一种基于轻量化YOLOv8的副井区域人员、车辆实时检测方法。首先,结合轻量级网络EfficientViT优化YOLOv8主干网络,大幅降低模型内存需求,提升网络推理速度;其次,在Head前融合CBAM注意力机制,增强网络对重要信息的关注度,提高矿井人员、车辆的检测精度。实验结果表明,所提模型在线检测精度为96.9%,检测速度为52 FPS,有效实现了副井区域人员、车辆的实时精准检测,保障了副井无人化智能操车系统顺利实施。 展开更多
关键词 无人化智能操车 CBAM 轻量级网络 yolov8
在线阅读 下载PDF
基于YOLOv8-MCMA模型的道路缺陷检测应用研究 被引量:1
11
作者 徐克圣 孙蓉 《广西科学院学报》 2025年第1期33-44,共12页
道路缺陷具有多尺度特征,导致其检测准确度不高。为改进这一问题,本文提出一种面向道路缺陷检测的轻量级多尺度卷积移动注意力模型(YOLOv8 Multi-scale Convolutional Mobile Attention,YOLOv8-MC-MA)。首先,采用MobileViT网络,可以使... 道路缺陷具有多尺度特征,导致其检测准确度不高。为改进这一问题,本文提出一种面向道路缺陷检测的轻量级多尺度卷积移动注意力模型(YOLOv8 Multi-scale Convolutional Mobile Attention,YOLOv8-MC-MA)。首先,采用MobileViT网络,可以使模型在减少参数量的同时保持较高的识别准确率;其次,使用内容感知的特征重组(Content-Aware Reassembly of Features,CARAFE)模块为上采样模块,以提升细小裂缝的检测能力;再次,设计多尺度倒置残差注意力(Multi-scale Inverted Residual Attention,MIRA)模块,增强模型对多尺度特征的敏感性;最后,将颈部的普通卷积替换为可变核卷积(Alterable Kernel Convolution,AK-Conv),以更好地捕捉不规则的裂缝信息,从而降低检测误差。实验结果表明,与YOLOv8n模型相比,本文提出的模型在Road Damage Detection Dataset、RDD2022_China和Crack-forest Dataset上的平均精确度均值@0.5(mAP@0.5)分别提高了3.7%、1.4%和2.6%,参数量减少了23.3%。与其他模型相比,该模型展现出明显优势,并对多尺度道路缺陷具有较强的适应能力。 展开更多
关键词 计算机视觉 目标检测 道路缺陷检测 MobileViT网络 MIRA模块 yolov8 MCMA模型
在线阅读 下载PDF
基于改进YOLOv8的密集行人检测模型 被引量:3
12
作者 黄昆 齐肇建 +3 位作者 王娟敏 胡倩 胡伟超 皮建勇 《计算机工程》 北大核心 2025年第5期133-142,共10页
密集行人检测是公共智能监控的关键技术,其采用目标检测方法对视频中的行人位置和数量进行检测,进而实现对视频中人群的智能监控。在人员密集场景下因遮挡和行人的目标太小造成漏检。为此,提出一种改进YOLOv8检测模型Crowd-YOLOv8。首先... 密集行人检测是公共智能监控的关键技术,其采用目标检测方法对视频中的行人位置和数量进行检测,进而实现对视频中人群的智能监控。在人员密集场景下因遮挡和行人的目标太小造成漏检。为此,提出一种改进YOLOv8检测模型Crowd-YOLOv8。首先,在主干网络使用nostride-Conv-SPD模块,增强对图像小目标特征等细粒度信息的提取能力;其次,在YOLOv8网络的颈部引入小目标检测头和CARAFE上采样算子对各尺度特征进行融合,以提高在小目标情况下的检测效果。实验结果表明,所提模型在CrowdHuman数据集上mAP@0.5和mAP@0.5∶0.95分别取得了84.3%和58.2%的检测效果,与原YOLOv8n相比分别提高了3.7和5.2百分点;在WiderPerson数据集上取得了88.4%和67.4%,与原YOLOv8n相比提高了1.1和1.5百分点。 展开更多
关键词 密集行人检测 yolov8网络 nostride-Conv-SPD模块 CARAFE算子 小目标检测头
在线阅读 下载PDF
基于YOLOv8s改进的车辆前方障碍物轻量化检测算法 被引量:1
13
作者 余军军 严运兵 田茂帅 《科学技术与工程》 北大核心 2025年第14期5957-5966,共10页
为解决自动驾驶感知域控制器中障碍物检测模型对高内存和高计算资源需求的问题,提出了一种基于YOLOv8改进的轻量化障碍物检测方法,使用内存访问和计算量更少的FasterNet重构YOLOv8主干网络。为弥补模型轻量化导致的精度下降以及对小目... 为解决自动驾驶感知域控制器中障碍物检测模型对高内存和高计算资源需求的问题,提出了一种基于YOLOv8改进的轻量化障碍物检测方法,使用内存访问和计算量更少的FasterNet重构YOLOv8主干网络。为弥补模型轻量化导致的精度下降以及对小目标检测能力的不足,主要在3个方面对YOLOv8进行改进:用SPD-Conv(space-to-depth convolution)替换颈部网络的传统跨步卷积,增强小目标特征提取能力;结合IIoU(inner IoU)和PIoU(powerful IoU)的思想,提出IPIoU(inner powerful IoU)作为边框回归损失,加快损失函数收敛并提高小目标检测性能;引入注意力机制SimAM(simple attention module),进一步提高模型检测精度。实验结果表明,改进模型相比原模型在参数量、计算量和模型大小分别降低29.1%、20.5%和28.8%的情况下,检测精度提升了1.2%。模型部署至自动驾驶车载控制器后,能够有效检测道路前方障碍物。 展开更多
关键词 障碍物检测 yolov8 网络轻量化 FasterNet
在线阅读 下载PDF
基于FEW-YOLOv8遥感图像目标检测算法 被引量:1
14
作者 席阳丽 屈丹 +1 位作者 王芳芳 都力铭 《郑州大学学报(工学版)》 北大核心 2025年第4期62-69,共8页
针对遥感图像目标检测任务中进行特征提取时缺少小目标信息,特征融合过程中部分信息丢失,小目标特征信息不明显,导致小目标检测精度不高的问题,提出了一种基于FEW-YOLOv8模型的遥感图像目标检测算法。首先,优化骨干网络架构,使用Faster... 针对遥感图像目标检测任务中进行特征提取时缺少小目标信息,特征融合过程中部分信息丢失,小目标特征信息不明显,导致小目标检测精度不高的问题,提出了一种基于FEW-YOLOv8模型的遥感图像目标检测算法。首先,优化骨干网络架构,使用FasterNet骨干网络,更有效地提取了遥感图像中小目标的空间特征,使得网络模型更专注于微小目标,从而提升小目标检测精度。其次,使用EMA注意力与C2f构建全新的C2f_EMA模块,替换Neck结构中的C2f模块,在融合特征前进行特征注意力加强操作,使网络模型更突出特征信息中小目标部分,有效解决特征融合过程中小目标特征丢失问题。最后,采用带有动态非单调FM的WIoUv3作为边界框的损失函数,提高了模型的边界框定位精度,并且提升了对小目标的检测性能。实验结果显示:在NWPU VHR-10数据集上经过优化的YOLOv8算法的mAP 50相较于原始YOLOv8算法提高了7.71百分点,在HRSC2016和DOTA v1.0上分别提高了9.70百分点和12.32百分点,证明所提算法能够有效提升遥感图像中小目标的检测精度。 展开更多
关键词 遥感图像 yolov8 FasterNet骨干网络 EMA注意力机制 WIoU损失函数
在线阅读 下载PDF
改进YOLOv8s-Pose多人姿态估计轻量化模型研究 被引量:3
15
作者 傅裕 高树辉 《计算机科学与探索》 北大核心 2025年第3期682-692,共11页
针对现有人体姿态估计模型计算量大、检测速度慢等问题,提出了一种基于YOLOv8s-Pose模型的轻量化改进算法。在backbone中引入轻量化模块C2f-GhostNetBottleNeckV2替换原先C2f,减少参数量,提高模型速度。引入Non_Local注意力机制捕捉并... 针对现有人体姿态估计模型计算量大、检测速度慢等问题,提出了一种基于YOLOv8s-Pose模型的轻量化改进算法。在backbone中引入轻量化模块C2f-GhostNetBottleNeckV2替换原先C2f,减少参数量,提高模型速度。引入Non_Local注意力机制捕捉并传递人体关键点位置,直接融合全面的信息,为后续的层级提供更为丰富和深入的语义信息,提升整体的信息处理深度和广度,强化特征提取的效能,减少模型轻量化后精度降低问题,再将neck层引入加权双向特征金字塔网络,通过双向融合的理念,对自顶向下和自底向上的信息流动路径进行了重新规划,确保在处理不同尺度的特征信息时达到良好的平衡,给网络增加一个小目标检测头,减少对小目标的漏检情况,将CIOU损失函数更换为Focal-EIOU损失函数,以增强对复杂场景和多目标场景下的鲁棒性。实验结果表明,改进后的实验模型参数量降低了9.3%,在COCO2017人体关键点数据集上,与原模型相比mAP@0.50提升了0.4个百分点,mAP@0.50:0.95提升了0.6个百分点。可见,所提出的轻量化改进算法在减少模型参数量的同时,提升了人体姿态估计的算法精度,尤其对小目标检测有显著改善,为实现实时准确的姿态估计提供了有效手段。 展开更多
关键词 姿态估计 yolov8s-Pose GhostNetV2网络 加权双向特征金字塔网络 损失函数
在线阅读 下载PDF
基于YOLOv8的竹笋分割方法研究 被引量:1
16
作者 郑镇辉 张淡然 +3 位作者 王槊 韦丽娇 吴海韵 肖景丰 《中国农机化学报》 北大核心 2025年第4期114-119,共6页
现有的竹笋精准分割方法计算复杂度高,且模型庞大不利于在算力有限的边缘设备上部署。为解决这一问题,采用一种基于深度卷积网络的轻量化方法进行竹笋分割。首先,设计野外竹笋图像采集试验,通过人工标记构建训练集和测试集。然后,采用YO... 现有的竹笋精准分割方法计算复杂度高,且模型庞大不利于在算力有限的边缘设备上部署。为解决这一问题,采用一种基于深度卷积网络的轻量化方法进行竹笋分割。首先,设计野外竹笋图像采集试验,通过人工标记构建训练集和测试集。然后,采用YOLOv8深度卷积网络模型作为竹笋分割的基础模型,并进行模型训练和验证。最后,设计两组对比试验,验证其精准性和高效性。结果表明,所设计的竹笋分割方法在测试集上的检测平均精度和分割平均精度分别为0.927、0.931,较YOLOv7模型分别提升3.6%、5.7%,较YOLOv8_x模型分别提升0.1%、0.4%。此外,所设计的分割方法速度为169帧/s,参数量为43.8M,模型尺寸为92.3MB,相比YOLOv7模型,分割速度提高71帧/s;相比YOLOv8_x模型,分割速度提高51帧/s,参数量减少24.6 M,模型尺寸减少51.6 MB。为进一步验证该方法的实际部署可行性和高效性,将YOLOv8_l模型部署到英伟达边缘设备上,部署后的竹笋分割算法在测试集上的检测平均精度均值和分割平均精度均值分别为0.896、0.891,单帧图像推理时间仅为0.0914 s,所需显存为12.2 GB。 展开更多
关键词 竹笋 深度卷积网络 分割 轻量化 yolov8
在线阅读 下载PDF
融合MobileNetv3的轻量级YOLOv8钢材表面缺陷检测 被引量:1
17
作者 胡名琪 陈辉明 +2 位作者 徐伟 郭诚君 刘秋明 《科学技术与工程》 北大核心 2025年第16期6831-6840,共10页
针对钢材表面缺陷人工检测成本高昂、检测精度不高,以及传统的目标检测方法模型复杂,导致对终端检测设备的计算资源要求较高等问题,融合MobileNetv3轻量化YOLOv8算法提出一种轻量级缺陷检测算法YOLOv8n-MDC。首先,以YOLOv8n为基础,将YOL... 针对钢材表面缺陷人工检测成本高昂、检测精度不高,以及传统的目标检测方法模型复杂,导致对终端检测设备的计算资源要求较高等问题,融合MobileNetv3轻量化YOLOv8算法提出一种轻量级缺陷检测算法YOLOv8n-MDC。首先,以YOLOv8n为基础,将YOLOv8n的自带IoU(intersection over union)候选框损失函数替换成WIoU(weighted IoU)函数,通过增添非单调聚焦机制,提高模型的鲁棒性。其次,使用MobileNetv3网络替换YOLOv8n的骨干特征提取网络模块,将轻量级网络用于特征提取端降低网络复杂度,减少冗余开销。最后,在特征融合阶段使用DW卷积和C3Ghost模块对原网络的相应模块进行替换,使改进后的网络减少模型参数,进一步提升检测速度。使用钢材表面缺陷数据集NEU-DET进行模型验证,YOLOv8n-MDC模型mAP达81.3%,较YOLOv8n模型提升5%;参数量与计算量分别为1.02 M和2.1 GFLOPs,仅为原模型的33.9%和25.9%,达到工业要求。提出的轻量级算法在保证检测精度提升的同时大大降低了算法的复杂度和计算资源的开销,为钢材表面缺陷检测提供了一个优化思路。 展开更多
关键词 钢材表面缺陷 缺陷检测 轻量级网络 yolov8 MobileNetv3
在线阅读 下载PDF
YOLOv8轻量化的果园复杂环境下苹果检测算法 被引量:3
18
作者 周晖 杨洁 赵祥飞 《科学技术与工程》 北大核心 2025年第6期2274-2283,共10页
针对目前复杂果园环境下苹果目标检测算法存在模型参数量大、计算复杂度高,难以在计算资源匮乏的设备上应用的问题,提出了一种改进YOLOv8的果园复杂环境下轻量化苹果目标检测算法YOLOv8n-Apple。引入骨干网络VanillaNet,减少模型参数量... 针对目前复杂果园环境下苹果目标检测算法存在模型参数量大、计算复杂度高,难以在计算资源匮乏的设备上应用的问题,提出了一种改进YOLOv8的果园复杂环境下轻量化苹果目标检测算法YOLOv8n-Apple。引入骨干网络VanillaNet,减少模型参数量,降低模型复杂度;将原始模型C2f模块替换为C2fGhost模块,通过较少的卷积运算来获得相似特征图进一步减少模型参数;使用轻量级上采样算子CARAFE,避免传统上采样算子语义缺失和感受野过小的问题;由于传统损失函数不能完全捕捉到目标之间的相对位置和大小差异,采用WIoU边界框作为回归损失函数。收集包含远景顺光、远景背光、近景顺光、近景背光等成熟苹果照片共计3120张,从不同角度和背景进行采集,并改进数据增强,避免数据集单个不确定性;本文提出果园环境下改进后的苹果检测模型平均检测精度分别比SSD、Faster R-CNN、YOLOV5、YOLOV7、YOLOV8高7.5个百分点、4.8个百分点、2.2个百分点、3.8个百分点和3.4个百分点,达到90%,检测速度达到286帧,模型大小1.8 MB,比原始模型提高了41帧,模型大小仅有其60.0%。 展开更多
关键词 神经网络 苹果检测 轻量化 yolov8 VanillaNet
在线阅读 下载PDF
远距离情形下的改进YOLOv8行人检测算法 被引量:2
19
作者 汤静雯 赖惠成 王同官 《计算机工程》 北大核心 2025年第4期303-313,共11页
智慧社区场景下的行人检测需要精准识别行人以应对各类情况的发生,然而面对遮挡和远距离行人的情景,现有检测器会出现漏检、误检以及模型过大不易部署的问题。针对以上问题,提出基于YOLOv8的行人检测算法ME-YOLO。设计一种高效特征提取... 智慧社区场景下的行人检测需要精准识别行人以应对各类情况的发生,然而面对遮挡和远距离行人的情景,现有检测器会出现漏检、误检以及模型过大不易部署的问题。针对以上问题,提出基于YOLOv8的行人检测算法ME-YOLO。设计一种高效特征提取模块(EM),使得网络更好地学习行人特征和捕捉行人特点,在减少网络参数量的同时提高检测精度。设计一个重构的检测头模块,重新整合后的检测层增强了网络对小目标的识别能力,有效检测小目标行人。引入双向特征金字塔网络来设计新的颈部网络,即双向扩张残差-特征金字塔网络(BDR-FPN),利用扩张残差模块和附权注意力机制来扩展感受野及有所侧重地学习行人特征,缓解网络对遮挡行人不敏感问题。实验结果表明,在CityPersons数据集上进行训练和验证,相比原算法YOLOv8,ME-YOLO算法的AP_(50)提高了5.6百分点,模型参数量减少了41%,模型大小压缩了40%,在TinyPerson数据集上验证算法的有效性和泛化性,AP_(50)提高了4.1百分点,AP_(50∶95)提高了1.7百分点。该算法在大幅度减少模型参数和大小的同时,有效提高了检测精度,在智慧社区场景中有较好的应用价值。 展开更多
关键词 行人检测 智慧社区 小目标行人 特征金字塔网络 yolov8算法
在线阅读 下载PDF
基于YOLOv8改进的水下目标检测算法 被引量:1
20
作者 刘飞 杨德刚 +1 位作者 章鑫 秦静 《计算机与现代化》 2025年第1期113-119,共7页
针对水下图像目标检测中错检、漏检现象导致检测精度低的问题,提出一种改进YOLOv8n的轻量级水下图像目标检测算法,旨在提升水下目标图像的检测精度。首先,用残差网络ResNet10来替换YOLOv8中的骨干网络,以加强骨干网络的特征提取能力;其... 针对水下图像目标检测中错检、漏检现象导致检测精度低的问题,提出一种改进YOLOv8n的轻量级水下图像目标检测算法,旨在提升水下目标图像的检测精度。首先,用残差网络ResNet10来替换YOLOv8中的骨干网络,以加强骨干网络的特征提取能力;其次,利用大卷积核注意力机制来改进快速特征金字塔模块,以提高模型融合多尺度特征的能力;再次,使用最新YOLOv9算法中的泛化高效层聚合网络替换原模型的C2f模块,使模型能够在保持高准确性的同时降低计算成本;最后,使用新的损失函数Inner-SIoU来提升模型的泛化能力,同时加快模型的收敛速度。通过实验,在URPC2020水下图像目标检测数据集上,改进后的算法mAP_(50)达到86.2%,比原模型提升了2.6个百分点的精度,相比于先进的YOLOv8s和YOLOv7-tiny检测器,以及相同领域的研究工作,本文方法都获得了较高的检测精度。 展开更多
关键词 水下目标检测 yolov8 残差网络 注意力机制 损失函数
在线阅读 下载PDF
上一页 1 2 8 下一页 到第
使用帮助 返回顶部