一种增强小目标特征的多尺度目标检测方法技术

本发明专利技术公开了一种增强小目标特征的多尺度目标检测方法，具体涉及计算机视觉、图像处理和目标检测技术领域。所述方法包括以下步骤：采用一种改进的GAM‑C2f代替YOLOv8n中的C2f；设计一种新的特征金字塔池化结构SPPFAPGC模块，增强对目标车辆全局信息检测的准确性，提高特征图的丰富度；引入160×160尺寸大小的小目标检测头，实现局部特征与全局特征的融合，提高模型对远处小目标车辆的挖掘能力。最后采用WIOU损失函数，提升模型边界框回归性能和收敛速度。改进算法能够提高模型准确度、降低漏检率，在城市车辆检测中具有更好的性能。

【技术实现步骤摘要】

本专利技术涉及计算机视觉、图像处理和目标检测。具体来说，本专利技术涉及一种基于yolov8的增强小目标特征的多尺度目标检测方法。

技术介绍

1、随着城市交通问题的日益加剧，寻找有效方法来缓解交通拥堵、提高交通系统的安全性和通行效率，已经成为交通管理部门亟需解决的难题。目前主要面临以下困难：(1)遮挡问题，由于车辆进入交通摄像头拍摄范围的距离不同，可能会导致后方车辆受到不同程度的遮挡，从而导致模型检测出现漏检和误检情况；(2)复杂场景，由于城市交通环境复杂，包含大量的行人、建筑物等干扰因素，因此，训练数据的丰富性和多样性对模型性能的提升至关重要，有助于提高模型的准确性；(3)泛化能力，当训练数据中缺乏不同场景、不同天气、光照条件下的训练样本时，会降低模型的泛化性。因此，如何提高城市车辆目标检测准确性和鲁棒性的同时，进一步降低检测的漏检率，已经成为该研究领域中的一大挑战。

2、随着深度学习和计算机视觉领域的不断发展，城市道路车辆目标检测一直是研究学者们关注的焦点，推动着许多创新技术的突破。然而，在许多应用场景中，对车辆检测的准确性和漏检率提出了更高本文档来自技高网...

【技术保护点】

1.一种增强小目标特征的多尺度目标检测方法，其特征在于包括如下步骤：

2.如权利要求1所述的一种增强小目标特征的多尺度目标检测方法，其特征在于：所述步骤S1具体包括如下步骤：

3.如权利要求1所述的一种增强小目标特征的多尺度目标检测方法，其特征在于，所述步骤S2中设计一种改进的GAM-C2f通过如下方法进行构建：

4.如权利要求3所述的一种增强小目标特征的多尺度目标检测方法，其特征在于，所述步骤S21中构建幻影卷积GhostConv的具体步骤如下：

5.如权利要求3所述的一种增强小目标特征的多尺度目标检测方法，其特征在于，所述步骤S22中构...

【技术特征摘要】

1.一种增强小目标特征的多尺度目标检测方法，其特征在于包括如下步骤：

2.如权利要求1所述的一种增强小目标特征的多尺度目标检测方法，其特征在于：所述步骤s1具体包括如下步骤：

3.如权利要求1所述的一种增强小目标特征的多尺度目标检测方法，其特征在于，所述步骤s2中设计一种改进的gam-c2f通过如下方法进行构建：

4.如权利要求3所述的一种增强小目标特征的多尺度目标检测方法，其特征在于，所述步骤s21中构建幻影卷积ghostconv的具体步骤如下：

5.如权利要求3所述的一种增强小目标特征的多尺度目标检测方法，其特征在于，所述步骤s22中构建特征提取...

【专利技术属性】
技术研发人员：许德刚，王双臣，孙晓乐，尹柯栋，王再庆，
申请(专利权)人：河南工业大学，
类型：发明
国别省市：