基于YOLOv8的小目标检测模型的优化 被引量：1

1

作者 王国明 贾代旺 《计算机工程》 北大核心 2025年第12期294-303,共10页

深度学习在目标检测领域的广泛应用显著提升了对大中目标的检测能力。然而,针对小目标检测,由于其固有的尺度小、背景复杂等挑战,传统的目标检测算法常常会出现漏检、误检。为了提高小目标检测的精度,对YOLOv8模型进行研究。首先,将主... 深度学习在目标检测领域的广泛应用显著提升了对大中目标的检测能力。然而,针对小目标检测,由于其固有的尺度小、背景复杂等挑战,传统的目标检测算法常常会出现漏检、误检。为了提高小目标检测的精度,对YOLOv8模型进行研究。首先,将主干部分的卷积模块替换为RFAConv模块,增强了模型对于复杂图像的处理能力;其次,在Neck部分引入混合局部通道注意力(MLCA)机制,能够在保持计算效率的同时,帮助模型更高效地融合不同层次的特征;再次,将YOLOv8的Detect头替换为Detect_FASFF头,以解决不同特征尺度间的一致性问题,并增强模型对小目标的检测能力;最后,将完全交并比(CIoU)损失函数替换为Focaler-IoU损失函数,使模型更关注难以精确定位的小目标。实验结果显示:改进后的模型在小目标稀疏的FloW-Img数据集上mAP@0.5提高了4.8百分点,mAP@0.5∶0.95提高了3.0百分点;在小目标密度高的VisDrone2019数据集上,mAP@0.5提升了5.9百分点,mAP@0.5∶0.95提高了4.0百分点。同时还在低空数据集AU-AIR以及行人密集检测数据集WiderPerson上做了泛化对比实验。结果表明,优化后的模型相比较原模型在小目标检测精度上有显著提升,且适用范围更广。 展开更多

关键词 深度学习 yolov8网络模型 小目标检测 注意力机制 损失

在线阅读 下载PDF 职称材料

基于YOLOv8-MCMA模型的道路缺陷检测应用研究 被引量：1

2

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 职称材料

基于改进YOLOv8的轻量化车辆检测网络 被引量：8

3

作者 陈梓延 王晓龙 +1 位作者 何迪 安国成 《计算机工程》 北大核心 2025年第5期314-325,共12页

现有的高精度车辆检测模型参数与计算量过高,无法在交通智能设备上良好运行,而轻量化的车辆检测模型精度普遍较低,不适用于实际任务。为此,提出一种改进YOLOv8的轻量化车辆检测网络,将主干网络替换为计算量和内存访问更小的FasterNet网... 现有的高精度车辆检测模型参数与计算量过高,无法在交通智能设备上良好运行,而轻量化的车辆检测模型精度普遍较低,不适用于实际任务。为此,提出一种改进YOLOv8的轻量化车辆检测网络,将主干网络替换为计算量和内存访问更小的FasterNet网络,并且将颈部的双向特征金字塔网络替换为加权双向特征金字塔网络(BiFPN),简化特征融合过程。同时,引入一种融合注意力机制的动态检测头,实现检测头和注意力的无冗余结合;此外,针对完全交并比(CIoU)在检测精度和收敛速度上的缺陷,提出一种尺度不变交并比(SIoU)结合归一化高斯Wasserstein距离(NWD)的回归损失算法。最后,为尽量减小模型对边缘设备的算力需求,进行基于幅值的层自适应稀疏化剪枝,进一步压缩模型大小。实验结果表明,提出的改进模型相较于原模型YOLOv8s,在精度上升1.5百分点的情况下,参数量降低78.9%,计算量下降67.4%,模型尺寸降低77.8%,达到了比较优秀的轻量化效果,具有很强的实用性。 展开更多

关键词 yolov8模型 车辆检测 轻量化 FasterNet网络 归一化高斯Wasserstein距离

在线阅读 下载PDF 职称材料

基于改进YOLOv8模型的百合地杂草检测方法

4

作者 王尧 赵霞 程鸿 《软件工程》 2025年第3期24-28,共5页

杂草是百合生长过程中的一大危害,会干扰百合生长并吸收其营养,导致产量下降。文章以百合及其伴生杂草为主要研究对象,将YOLOv8模型引入百合与杂草的检测中,并进行了针对性的改进。首先,构建基于BiFormer双层路由注意力机制的C2f_BF模块... 杂草是百合生长过程中的一大危害,会干扰百合生长并吸收其营养,导致产量下降。文章以百合及其伴生杂草为主要研究对象,将YOLOv8模型引入百合与杂草的检测中,并进行了针对性的改进。首先,构建基于BiFormer双层路由注意力机制的C2f_BF模块;其次,在头部网络Neck端引入GSConv(Grouped Shuffle Convolution)和Slim-neck(轻量化特征融合网络)技术;最后,使用MPDIoU(Multi-Perspective Distance)损失函数克服CIoU(Complete Intersection over Union)损失函数的局限性。实验结果表明,改进后的YOLOv8-LWD(Lily Weed Detection)模型的平均精确率为90.3%,相比于原始YOLOv8n检测模型的平均精确率提升了2.9百分点。该方法可以为百合草害防治提供重要的技术支持,具有实际的应用价值。 展开更多

关键词 百合 杂草检测 yolov8模型 卷积神经网络

在线阅读 下载PDF 职称材料

基于改进的LSN-YOLOv8模型和无人机遥感图像的水稻稻曲病检测方法

5

作者 杨玉青 朱德泉 +4 位作者 刘凯旋 严从宽 孟凡凯 唐七星 廖娟 《江苏农业学报》 北大核心 2025年第5期905-915,共11页

本研究针对无人机采集的水稻稻曲病图像中存在的背景复杂、病斑目标小且与背景表征相似等问题,构建了一种水稻稻曲病检测模型LSN-YOLOv8。该模型以YOLOv8模型为基本框架,在骨干网络中融入大选择性核网络(LSKNet),通过动态调整感受野范... 本研究针对无人机采集的水稻稻曲病图像中存在的背景复杂、病斑目标小且与背景表征相似等问题,构建了一种水稻稻曲病检测模型LSN-YOLOv8。该模型以YOLOv8模型为基本框架,在骨干网络中融入大选择性核网络(LSKNet),通过动态调整感受野范围增强模型对小目标的特征提取能力;在骨干网络中加入坐标注意力机制(CA)模块,将病斑空间位置信息与通道注意力相结合,增强模型对关键区域的关注度同时减少背景干扰;利用梯度加权类激活映射(Grad-CAM)技术实现检测过程的可视化分析,为模型决策提供直观解释。为验证模型性能,利用无人机拍摄不同发病时期、不同背景条件下的水稻稻曲病图像,构建水稻稻曲病数据集,用于模型训练与测试。试验结果表明,本研究提出的LSN-YOLOv8模型精准度、召回率和交并比阈值为0.50时的平均精度值均值(mAP_(50))分别为94.8%、87.3%和92.3%,均高于YOLOv5、YOLOv7、YOLOv8、Faster R-CNN模型等经典目标检测模型。梯度加权类激活映射(Grad-CAM)技术可视化分析结果表明,LSN-YOLOv8模型能够更准确地聚焦于图像中的病害区域。本研究提出的LSN-YOLOv8模型可为稻曲病监测、病害防治和水稻抗病性鉴定提供技术支持。 展开更多

关键词 稻曲病 病害识别 无人机 yolov8模型 大选择性核网络(LSKNet) 坐标注意力机制(CA)

在线阅读 下载PDF 职称材料

基于优化YOLOv8的唐卡图像目标检测方法

6

作者 程维龙 僧冰枫 刘晓静 《软件导刊》 2025年第1期102-108,共7页

唐卡中的元素绘制复杂且存在的多尺度情况会影响目标检测技术任务的准确度。为此,提出一种优化YOLOv8模型的唐卡元素目标检测方法。首先,采用级联融合网络提取图像特征,并将特征提取参数用于后续的特征融合,以有效增加参数利用效率;其次... 唐卡中的元素绘制复杂且存在的多尺度情况会影响目标检测技术任务的准确度。为此,提出一种优化YOLOv8模型的唐卡元素目标检测方法。首先,采用级联融合网络提取图像特征,并将特征提取参数用于后续的特征融合,以有效增加参数利用效率;其次,借鉴双向特征金字塔网络的思想,在同一层的特征信息传递层中增加一条额外的路径实现跨尺度连接,以提升模型特征融合能力;最后,在检测头的回归损失函数中引入ElOU-Loss和ClOU-Loss,考虑边界框回归的多种因素,结合宽高和宽高比参数来提升模型目标定位效率和准确率。实验表明,优化后的YOLOv8模型相较于原有模型参数量、计算量分别下降7.21%、7.23%,mAP50、mAP50-95分别提升3.72%、4.55%;相较于其他目标检测算法优势明显;消融实验也验证了不同改进模块对模型的积极作用。 展开更多

关键词 唐卡图像目标检测 yolov8模型 级联融合网络 跨尺度连接 回归损失函数

在线阅读 下载PDF 职称材料

基于改进YOLOv8s模型的隧道火灾检测 被引量：2

7

作者 王春源 刘权捷 《中国安全科学学报》 北大核心 2025年第3期69-76,共8页

为准确高效地检测复杂环境隧道火灾,提出一种基于改进YOLOv8s的隧道火灾检测算法。首先,引入跨阶段部分变换器模块(CSP-PTB)重构主干网络结构,在降低计算复杂度的同时保持特征提取能力;其次,融入卷积注意力(CBAM)增强模型对关键区域的... 为准确高效地检测复杂环境隧道火灾,提出一种基于改进YOLOv8s的隧道火灾检测算法。首先,引入跨阶段部分变换器模块(CSP-PTB)重构主干网络结构,在降低计算复杂度的同时保持特征提取能力;其次,融入卷积注意力(CBAM)增强模型对关键区域的感知能力,提升特征表征的判别性;最后,采用归一化高斯瓦瑟斯坦距离(NWD)损失函数优化训练过程,有效解决小目标检测精度不足的问题。检测试验结果表明:改进后的YOLOv8s模型平均精度均值(mAP)为0.848,比原版YOLOv8s模型提升2%;召回率为0.812,较原模型大幅提升9.3%;同时模型计算量(GFLOPS)减少6.7%,实现性能提升与效率优化的双重目标。与主流目标检测模型比,改进模型的mAP较快速区域卷积神经网络(Faster R-CNN)、单发多框检测(SSD)和YOLOv5s分别提升7.3%、10.1%和4.2%。 展开更多

关键词 yolov8模型 隧道火灾检测 卷积神经网络(CNN) 卷积注意力(CBAM) 损失函数

原文传递

基于改进YOLOv8-Pose的码垛快速识别与抓取点检测 被引量：4

8

作者 郭忠峰 王健鹏 +1 位作者 杨钧麟 杨春源 《组合机床与自动化加工技术》 北大核心 2024年第11期125-129,共5页

针对码垛场景中在仓库内对米袋和面袋的识别与抓取点检测的任务,提出了一种基于改进的YOLOv8-Pose的轻量化快速检测算法模型。其基于YOLOv8-Pose,使用若干个ShuffleNetv2模块取代原Darknet主干网络,降低模型大小;添加SimAM注意力机制,... 针对码垛场景中在仓库内对米袋和面袋的识别与抓取点检测的任务,提出了一种基于改进的YOLOv8-Pose的轻量化快速检测算法模型。其基于YOLOv8-Pose,使用若干个ShuffleNetv2模块取代原Darknet主干网络,降低模型大小;添加SimAM注意力机制,提升目标特征提取能力。通过对比实验表明,该模型在不牺牲准确性的前提下可提升模型的识别速度。模型在自制数据集中的平均精度达到了93.7%,检测速度达到了62 fps,优于常见模型。证明该模型能够实现复杂场景下的抓取点识别,且该轻量化模型能够适用于嵌入式硬件,降低设备成本。 展开更多

关键词 抓取点检测 yolov8-Pose ShuffleNetv2 轻量化网络结构

在线阅读 下载PDF 职称材料

基于YOLOv8网络模型的电梯内电动自行车检测方法

9

作者 王栩漓 王玲芝 吴英凡 《成组技术与生产现代化》 2024年第3期8-12,共5页

针对电动自行车进入电梯,入户充电而危及人身安全的问题,提出了一种基于深度学习的电梯内电动自行车自动检测方法。以YOLOv8作为核心检测的网络模型,通过构建数据集进行了训练和测试。结果表明,YOLOv8网络模型能够对电梯中违规进入的电... 针对电动自行车进入电梯,入户充电而危及人身安全的问题,提出了一种基于深度学习的电梯内电动自行车自动检测方法。以YOLOv8作为核心检测的网络模型,通过构建数据集进行了训练和测试。结果表明,YOLOv8网络模型能够对电梯中违规进入的电动自行车进行精准识别,即使在电动自行车被部分遮挡的情况下也能保持较高的识别率,证明了YOLOv8网络模型在不同场景下应用的有效性和稳定性。由对比实验可知,YOLOv8网络模型相对YOLOv5网络模型来说,不仅可提高安全管理的效率,而且能够及时预警,显著提升电梯乘客的安全。与传统人工检测和视频监控方法相比,提出的电梯内电动自行车检测方法能够实时处理图像并精确识别目标,具有较高的实用价值和广泛的应用前景。 展开更多

关键词 电梯安全 电动自行车检测 yolov8 目标检测 网络模型

在线阅读 下载PDF 职称材料

基于YOLOv8改进的脑癌检测算法

10

作者 王喆 赵慧俊 +2 位作者 谭超 李骏 申冲 《计算机科学》 CSCD 北大核心 2024年第S02期444-450,共7页

自动检测脑部肿瘤在磁共振成像中的位置是一个复杂、繁重的任务,需要耗费大量时间和资源。传统识别方案经常出现误解、遗漏和误导的情况,从而影响患者的治疗进度,对患者的生命安全产生影响。为了进一步提高鉴定的效果,引入了4项关键改... 自动检测脑部肿瘤在磁共振成像中的位置是一个复杂、繁重的任务,需要耗费大量时间和资源。传统识别方案经常出现误解、遗漏和误导的情况,从而影响患者的治疗进度,对患者的生命安全产生影响。为了进一步提高鉴定的效果,引入了4项关键改进措施。首先,采用了高效的多尺度注意力EMA(Efficient Multi-scale Attention),这种方法既可以对全局信息进行编码,也可以对信息进行重新校准,同时通过并行的分支输出特征进行跨维度的交互,使信息进一步聚合。其次,引入了BiFPN(Bidirectional Feature Pyramid Network)模块,并对其结构进行改进,以便缩短每一次检测所需要的时间,同时提升图像识别效果。然后采用MDPIoU损失函数和Mish激活函数进行改进,进一步提高检测的准确度。最后进行仿真实验,实验结果表明,改进的YOLOv8算法在脑癌检测中的精确率、召回率、平均精度均值均有提升,其中Precision提高了4.48%,Recall提高了2.64%,mAP@0.5提高了2.6%,mAP@0.5:0.9提高了7.0%。 展开更多

关键词 yolov8 脑癌 Efficient Multi-Scale Attention模块 Bidirectional Feature Pyramid network结构 Missed Softplus with Identity Shortcut激活函数 Minimum Point Distance Intersection over Union损失函数

在线阅读 下载PDF 职称材料

无人机海上舰船目标影像超分辨率重建 被引量：1

11

作者 孙炜玮 崔亚奇 +1 位作者 张少卿 夏沭涛 《现代电子技术》 北大核心 2025年第1期17-22,共6页

针对无人机在获取海上舰船目标影像时面临的实时性与清晰度之间的矛盾,提出一种影像压缩模糊重建方法。该方法利用改进的YOLOv8检测模型和Real-ESRGAN网络,通过数据集构建、网络训练调试和部署运用等步骤,实现了在有限带宽和计算资源环... 针对无人机在获取海上舰船目标影像时面临的实时性与清晰度之间的矛盾,提出一种影像压缩模糊重建方法。该方法利用改进的YOLOv8检测模型和Real-ESRGAN网络,通过数据集构建、网络训练调试和部署运用等步骤,实现了在有限带宽和计算资源环境下地面端高质量舰船目标影像的实时重建。首先利用改进的YOLOv8模型对影像中舰船目标进行精准检测和定位,随后通过Real-ESRGAN网络对压缩及模糊影像进行重建,以恢复影像的高分辨率和细节信息。实验结果表明,该方法不仅显著提升了影像的清晰度和检测准确性,还大幅减少了带宽消耗,满足了无人机舰船识别的高实时性要求,且在资源受限的情况下表现尤为突出。为无人机在海上舰船目标监测领域提供了一种有效的解决方案,不仅提高了无人机的监测和识别能力,也为进一步推进无人机在海洋监测中的广泛应用奠定了基础。 展开更多

关键词 无人机影像 海面舰船 双向特征融合模型 Real-ESRGAN网络 改进的yolov8检测模型 海上舰船目标监测

在线阅读 下载PDF 职称材料

SAY-SOD:基于大模型优化的高清遥感图像小目标检测框架 被引量：1

12

作者 曾文龙 贾海涛 +1 位作者 周昊哲 程卓尔 《网络安全与数据治理》 2025年第S1期90-97,共8页

随着遥感技术的不断发展,遥感图像中小目标检测面临着背景复杂、目标尺寸小、像素信息少等挑战,传统检测算法在这一领域的表现存在一定局限。提出了一种基于SAM大模型和改进YOLOv8的小目标检测框架。首先,利用SAM对原始遥感图像进行感... 随着遥感技术的不断发展,遥感图像中小目标检测面临着背景复杂、目标尺寸小、像素信息少等挑战,传统检测算法在这一领域的表现存在一定局限。提出了一种基于SAM大模型和改进YOLOv8的小目标检测框架。首先,利用SAM对原始遥感图像进行感兴趣区域的提取和分割,随后对分割后的图像进行多尺度增强,以提高小目标的显著性。增强后的图像与原图的编号和定位信息一起构建数据集,用于训练改进的YOLOv8模型。改进措施包括特征金字塔网络的优化、引入注意力机制、重新设计损失函数。实验结果表明,SAY-SOD框架在复杂背景下有效提升了遥感小目标的检测精度和鲁棒性,尤其在面对不同尺度和背景变化时表现出色。 展开更多

关键词 遥感图像 小目标检测 Segment Anything model yolov8 特征金字塔网络 数据增强 注意力机制

在线阅读 下载PDF 职称材料

基于视觉系统的矿用皮带机自动调偏方法设计

13

作者 林洋 董仲泽 《自动化应用》 2025年第8期50-53,56,共5页

工业生产环境中的皮带机经长期运行后,容易出现偏移现象,引发生产事故。针对该问题,提出了一种基于视觉系统的矿用皮带机调偏方法,通过高分辨率摄像头捕获现场图像,经改进的YOLOv8网络模型定位调偏区域后,对定位区域进行灰度处理,使用... 工业生产环境中的皮带机经长期运行后,容易出现偏移现象,引发生产事故。针对该问题,提出了一种基于视觉系统的矿用皮带机调偏方法,通过高分辨率摄像头捕获现场图像,经改进的YOLOv8网络模型定位调偏区域后,对定位区域进行灰度处理,使用设计的偏移判定算法对皮带边缘像素进行提取计算,绘制得到皮带边缘线,最后根据边缘线位置获得当前皮带位置与标准位置的偏移差,将该距离值送入下层硬件系统,使皮带调节装置设备产生正确响应调整,从而完成皮带机的实时检测及自动矫正偏移过程。 展开更多

关键词 计算机视觉 矿用皮带机 yolov8网络模型 图像处理

在线阅读 下载PDF 职称材料

面向复杂环境的人机协作装配意图识别方法

14

作者 何家威 张朝阳 +2 位作者 叶子健 史天佑 郑坤明 《西安交通大学学报》 北大核心 2025年第12期44-57,共14页

针对复杂环境中人机协作装配系统存在的识别装配动作准确率较低、动作相似度高时无法准确感知装配者意图,以及由此导致的机器人配合操作者的装配效率较低的问题,从装配动作信息和装配零件信息之间的联系出发,建立了面向复杂环境的人机... 针对复杂环境中人机协作装配系统存在的识别装配动作准确率较低、动作相似度高时无法准确感知装配者意图,以及由此导致的机器人配合操作者的装配效率较低的问题,从装配动作信息和装配零件信息之间的联系出发,建立了面向复杂环境的人机协作装配意图识别融合模型。基于骨架特征,采用双流自适应图卷积神经网络(2S-AGCN)模型针对装配进行动作识别;提出改进的YOLOV8模型,以提高装配零件在无序和遮挡环境下的识别准确率;结合当前装配任务,设计了包含装配动作和装配零件信息的装配推理规则,规划装配顺序。在装配动作数据集以及装配泵体零件数据集上对所提方法进行了验证。实验结果表明:交并比为0.50~0.95时,YOLOV8模型对零件识别的平均准确率达到88.361%;所提出的融合模型对于操作者装配意图的识别准确率达到96.66%,验证了人机协作系统识别操作者装配意图的可行性和有效性。将装配动作信息与装配零件信息相结合,有助于在复杂的人机协作环境中准确地识别出操作者的装配意图。 展开更多

关键词 人机协作 动作识别 双流自适应图卷积神经网络 yolov8模型 意图识别融合模型

在线阅读 下载PDF 职称材料

车辆安全驾驶距离检测设计

15

作者 范周慧 钟勇 +1 位作者 郜建行 曹龙龙 《电脑与信息技术》 2025年第5期98-102,115,共6页

面对城市交通问题,如何更快速、精准地检测,涵盖更多检测类别并准确判别行驶距离,是降低车祸事故发生率的一项关键措施。基于YOLO基础结构,提出一种改进YOLOv8的目标测距检测方法。首先,数据集制作采用双目相机获取城市真实道路信息,借... 面对城市交通问题,如何更快速、精准地检测,涵盖更多检测类别并准确判别行驶距离,是降低车祸事故发生率的一项关键措施。基于YOLO基础结构,提出一种改进YOLOv8的目标测距检测方法。首先,数据集制作采用双目相机获取城市真实道路信息,借助LabelMe完成城市道路目标标注。其次,改进YOLOv8中的特征金字塔网络,采用上下文指南(Context Guide)融合模块替代原有的链接(Concat)模块,引入注意力机制(压缩-激励(Sqneeze-and-Excitation,SE)模块)对上下文信息进行有效捕捉,使得模块在检测中能够有效增强重要特征,提高检测精度。最后,根据双目相机采取双目视觉的半全局匹配(Semi-Global Block Matching,SGBM)图像对应点,计算图像视差,获得目标物体距离。改进后的模型在自制数据集上进行验证,检测准确率达98.5%,每秒可处理18.2帧图像,模型大小为6.3 M,均符合车辆安全驾驶实时检测的要求,能够有效提供距离检测功能。 展开更多

关键词 yolov8 特征金字塔网络 Context Guide融合模块 SGBM匹配

在线阅读 下载PDF 职称材料

基于深度学习算法的车牌检测系统设计

16

作者 王东升 聂建军 《成组技术与生产现代化》 2024年第3期27-35,共9页

为实现汽车车牌的自动读取,设计了一种基于深度学习的轻量化车牌检测系统。在YOLOv8网络模型的基础上,用MobileNetV3网络更换主干网络,减少了模型的参数量,提升了车牌检测速度;引入全维度动态卷积来调整Neck模块的扩展率,提升了车牌检... 为实现汽车车牌的自动读取,设计了一种基于深度学习的轻量化车牌检测系统。在YOLOv8网络模型的基础上,用MobileNetV3网络更换主干网络,减少了模型的参数量,提升了车牌检测速度;引入全维度动态卷积来调整Neck模块的扩展率,提升了车牌检测精度。在用目标检测网络对车牌识别后,利用PaddleOCR软件进行了字符识别。利用PyQt5软件对检测系统的操作界面进行设计,并对软件的操作过程进行了说明。在选用的中国城市停车数据集(Chinese City Parking Dataset,CCPD)上进行了实验验证。验证结果表明:改进后网络模型的运算复杂度GFLOPs为7.8,检测平均精度mAP50为89.77%,运算速度FPS为86.1帧/s。相较于现有车牌检测算法所用网络模型,改进后网络模型有效地兼顾了轻量化和检测精度要求,可以满足汽车车牌实时检测的需要。 展开更多

关键词 深度学习 车牌检测 网络模型 yolov8 MobileNetV3 系统设计

在线阅读 下载PDF 职称材料