基于改进YOLOv8的小目标检测方法研究

扫码查看

原文链接

万方数据
维普

中文摘要：针对YOLOv8算法在小目标检测上效果不佳、难度大的问题,提出一种改进YOLOv8网络结构的小目标识别方法.为解决小目标检测中由于检测点感受野不足而导致的问题,在骨干网络中引入了可变形卷积模块.通过调整卷积核的形变,使其能够更好地适应小目标的特征,从而提高检测的准确性,减少漏检和误检情况;借鉴Wise-IoU的思想,提出一种名为HIoUd1 全新的损失函数计算方法,随时调整不同部分在损失函数中的权重,以在训练的不同阶段更好地处理小目标.通过这种调整,模型能够更准确地检测小目标并将其回归到真实标注框,以此显著提升了对小目标的检测性能.实验结果表明,优化后的模型能够更有效地捕捉和识别小目标,相对于YOLOv8 在小目标检测方面表现出了显著的提升.

作者：

韦伟、王翔翔、陶亚明

展开 >

作者单位：

安徽工业大学管理科学与工程学院安徽马鞍山 243032

关键词：

深度学习小目标检测 YOLOv8算法

出版年：

2024

DOI：

10.3969/j.issn.1672-9528.2024.10.021

信息技术与信息化

山东电子学会

信息技术与信息化

影响因子：0.29

ISSN：1672-9528

年,卷(期)：2024.(10)