一种基于YOLOv8改进的海场景目标识别方法技术

本发明专利技术适用于目标识别领域，提供了一种基于YOLOv8改进的海场景目标识别方法，包括：获取待检测图像，待检测图像为海场景图像；将待检测图像输入训练好的改进YOLOv8模型中，输出目标识别结果；其中，改进YOLOv8模型的主干网络中包含全局注意力机制模块和幽灵卷积模块，改进YOLOv8模型的颈部网络中包含跨阶段局部网络、双向加权特征金字塔模块、组打乱卷积模块和幽灵卷积模块，改进YOLOv8模型的顶部网络中包含用于检测预设大小的目标的探测层；预设大小的目标属于小目标。本发明专利技术提供的方法可在节省算力、缩短计算时间的同时极大提高对待检测图像的识别精度。

【技术实现步骤摘要】

本专利技术属于目标识别，具体涉及一种基于yolov8改进的海场景目标识别方法。

技术介绍

1、目标识别的任务是识别图像中的目标，并确定它们的位置和类别。在图像中，目标的位置通过边界框来表示，边界框的左上角和右下角坐标确定了目标的位置。同时，目标识别可以识别多种目标，例如猫、狗、车辆和行人等。除了位置和类别，目标识别还可以提供更多关于目标的信息，如旋转角度、尺寸和形状等。这些额外的信息有助于更深入地理解图像或视频数据。

2、目标识别的算法主要分为两类：两阶段和单阶段。两阶段算法在精度方面相对较高，但速度较慢，尤其在实时应用中难以实现。相反，单阶段算法的速度较快，其中yolo算法是代表性算法。现有的yolo算法经过多个版本的升级，基本实现了实时检测，但由于其原理限制，对于目标识别中的小目标仍有较大缺陷，不能满足实际需求，因此需要对以上问题提出一种新的解决方案。

技术实现思路

1、为了解决相关技术中存在的上述问题，本专利技术提供了一种基于yolov8改进的海场景目标识别方法。本专利技术要解决的技术问题通本文档来自技高网...

【技术保护点】

1.一种基于YOLOv8改进的海场景目标识别方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于YOLOv8改进的海场景目标识别方法，其特征在于，所述改进YOLOv8模型的主干网络包括：

3.根据权利要求1所述的基于YOLOv8改进的海场景目标识别方法，其特征在于，所述改进YOLOv8模型的主干网络的输出端分别与所述改进YOLOv8模型的颈部网络中的P3层的输入端和P5层的输入端连接；

4.根据权利要求3所述的基于YOLOv8改进的海场景目标识别方法，其特征在于，所述改进YOLOv8模型的主干网络的输出端还分别与所述改进YOLOv8模型的颈部...

【技术特征摘要】

1.一种基于yolov8改进的海场景目标识别方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于yolov8改进的海场景目标识别方法，其特征在于，所述改进yolov8模型的主干网络包括：

3.根据权利要求1所述的基于yolov8改进的海场景目标识别方法，其特征在于，所述改进yolov8模型的主干网络的输出端分别与所述改进yolov8模型的颈部网络中的p3层的输入端和p5层的输入端连接；

4.根据权利要求3所述的基于yolov8改进的海场景目标识别方法，其特征在于，所述改进yolov8模型的主干网络的输出端还分别与所述改进yolov8模型的颈部网络中的p2层的输入端和p4层的输入端连接；所述改进yo...

【专利技术属性】
技术研发人员：杜威，刘超，马建光，孙辉，丁国鹏，吴鑫，黄曦，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：