YOLOv8结合动态置信补偿的轻量级运动目标检测方法技术

YOLOv8结合动态置信补偿的轻量级运动目标检测方法，涉及计算机视觉技术领域，针对现有技术中轻量级检测模型易受运动模糊的影响，从而加剧了目标丢失、误报、身份切换等，进而导致了目标检测准确率低的问题，本申请通过YOLOv8结合动态置信补偿的轻量级运动目标检测算法对运动目标进行检测，使得预测框缺失的动态置信度得到补偿，为后续检测、追踪提供更优质的信息，以改善模型鲁棒性受运动模糊影响的问题。进而减少了因受运动模糊(动态模糊)的影响，加剧的目标丢失、误报、身份切换等问题，进而提升了目标检测准确率。

【技术实现步骤摘要】

本专利技术涉及计算机视觉，具体为yolov8结合动态置信补偿的轻量级运动目标检测方法。

技术介绍

1、多目标跟踪(mot)技术已成为计算机视觉领域的研究热点,并被应用于智慧城市交通、无人机、国防等多个领域。多目标跟踪算法主要分为两类，其中无检测跟踪需要在检测前初始化跟踪目标的数量，而基于检测跟踪则无需，它依赖于检测器的输出。在目标检测领域，曾涌现出以r-cnn系列、sppnet等为代表的two-stage检测框架，和以ssd系列、yolo系列等为代表的one-stage检测框架。较于需要生成建议框的two-stage框架，one-stage框架能够直接产生物体的类别概率和目标框，经过单次检测即可得到最终的检测结果，检测速度更快。目标检测算法发展迅速，短短一年yolo系列算法接连更新三个版本，相较于先前的yolo系列算法，yolov6、yolov7、yolov8的各项性能指标都有一定幅度提升，但同等定位模型的参数和计算量有所增加(如yolov5n的参数和计算量为1.9m、4.5gflops,yolov6n、yolov8n的参数和计算量分别为4.3m、11.1本文档来自技高网...

【技术保护点】

1.YOLOv8结合动态置信补偿的轻量级运动目标检测方法，其特征在于包括以下步骤：

2.根据权利要求1所述的YOLOv8结合动态置信补偿的轻量级运动目标检测方法，其特征在于所述YOLOv8为改进的YOLOv8网络，即YOLOv8n-x网络，所述YOLOv8n-x网络包括骨干网络模块、多尺度特征融合模块以及最新批次自我知识蒸馏模块；

3.根据权利要求2所述的YOLOv8结合动态置信补偿的轻量级运动目标检测方法，其特征在于所述骨干网络模块包括Conv、MobileXBlock以及SimSPPF，所述骨干网络模块的结构具体为：

4.根据权利要求3所述的YOL...

【技术特征摘要】

1.yolov8结合动态置信补偿的轻量级运动目标检测方法，其特征在于包括以下步骤：

2.根据权利要求1所述的yolov8结合动态置信补偿的轻量级运动目标检测方法，其特征在于所述yolov8为改进的yolov8网络，即yolov8n-x网络，所述yolov8n-x网络包括骨干网络模块、多尺度特征融合模块以及最新批次自我知识蒸馏模块；

3.根据权利要求2所述的yolov8结合动态置信补偿的轻量级运动目标检测方法，其特征在于所述骨干网络模块包括conv、mobilexblock以及simsppf，所述骨干网络模块的结构具体为：

4.根据权利要求3所述的yolov8结合动态置信补偿的轻量级运动目标检测方法，其特征在于所述mobilexblock包括增强层、瓶颈层、捷径分支以及自注意力机制；

5.根据权利要求4所述的yolov8结合动态置信补偿的轻...

【专利技术属性】
技术研发人员：张东廷，马宏斌，王要领，严雨潇，尤永祺，高文博，
申请(专利权)人：黑龙江大学，
类型：发明
国别省市：