【技术实现步骤摘要】
本专利技术涉及图像信息检测，具体涉及wpiou损失函数构建方法及yolov8检测方法。
技术介绍
1、车流图像信息的检测方法的发展，有效地解决了交通拥堵、交通安全以及交通运输需求增长等问题，使得交通管理部门能够更加科学地制定和执行交通管理政策，为市民提供更加顺畅、安全、环保的出行环境。
2、目前，对车流图像的检测方法多采用深度学习方法，例如，使用深度卷积神经网络从车流图像中提取特征，并进行目标检测、分类和跟踪，提现了高精度的检测和分类能力，能够处理复杂环境中的车辆识别。另外，yolov8（你只看一次版本8）由于其具有实时性、高精度以及灵活性的特点，可以高效地从车流图像中检测出车辆的位置，也被广泛应用于车流图像信息的检测。
3、现有技术中，中国专利cn117593623a公开了“基于改进yolov8n（你只看一次版本8n）模型的轻量化车辆检测方法”，通过对yolov8n模型进行改进，引入轻量级的gsconv (组卷积)和vovgscsp（跨级部分网络）、设计全新的高速检测头，添加注意力机制、设计多尺度卷积块，增加模...
【技术保护点】
1.WPIoU损失函数构建方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的WPIoU损失函数构建方法，其特征在于，所述的步骤S1中，所述的WIoUv3损失函数为：
3.根据权利要求2所述的WPIoU损失函数构建方法，其特征在于，所述的WIoUv1损失函数为：
4.根据权利要求2所述的WPIoU损失函数构建方法，其特征在于，所述的为：
5.根据权利要求1所述的WPIoU损失函数构建方法，其特征在于，所述的步骤S3中，所述的WPIoU损失函数为：
6.根据权利要求1所述的WPIoU损失函数构建方法，其特...
【技术特征摘要】
1.wpiou损失函数构建方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的wpiou损失函数构建方法，其特征在于，所述的步骤s1中，所述的wiouv3损失函数为：
3.根据权利要求2所述的wpiou损失函数构建方法，其特征在于，所述的wiouv1损失函数为：
4.根据权利要求2所述的wpiou损失函数构建方法，其特征在于，所述的为：
5.根据权利要求1所述的wpiou损失函数构建方法，其特征在于，所述的步骤s3中，所述的wpiou损失函数为：
6.根据权利要求1所述的wpiou损失函数构建方法，其特征在于，所述的步骤s4中，所述的最终的wpiou损失函数为：
7.基于...
【专利技术属性】
技术研发人员：李富，王泉，张永宏，陈德基，顾杨海，曹燚，李东明，吴昊，魏科宇，
申请(专利权)人：无锡学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。