一种复杂环境下基于改进YOLOv8的目标检测方法技术

本发明专利技术公开了一种复杂环境下基于改进YOLOv8的目标检测方法，包括以下步骤：(1)利用开源网站下载图像，通过人工筛选，获得多场景，多单元的图像数据集；(2)利用labelimg工具对获得的复杂环境下的目标图像数据进行人工标注；(3)将CBAM注意力机制、AFPN渐进特征金字塔网络、Inner_IoU损失函数引入YOLOv8模型，构建AS_YOLOv8模型；(4)将标注好的目标图像数据集输入到AS_YOLOv8模型中进行训练；(5)使用训练好的AS_YOLOv8模型对待检测的目标图像进行目标检测；本发明专利技术提高复杂环境下小目标检测的准确性、可靠性和泛化能力。

【技术实现步骤摘要】

本专利技术涉及图像处理，尤其涉及一种复杂环境下基于改进yolov8的目标检测方法。

技术介绍

1、随着目标检测技术的迅猛发展，目标检测成为了一项极具挑战性和战略意义的任务。目标检测算法按照检测阶段分为两类，第一类是基于候选框，以maskr cnn和fasterrcnn为代表的两阶段目标检测算法。两阶段模型的候选区域过多，相邻窗口重复信息冗余，导致计算量大，检测速度慢。第二类是基于回归的端到端模型，以ssd和yolo为代表的一阶段目标检测算法。

2、yolo(youonlylookonce)作为经典的单阶段(one stage)目标检测算法，它的优势在于实时性高、简洁高效、多尺度检测、全局上下文信息利用和多任务学习。这些特点使得它在快速目标检测和实时应用场景中表现出色。但当前复杂环境下进行目标检测技术仍面临着检测性能较低、计算量较大、泛化能力较弱等问题。

技术实现思路

1、专利技术目的：本专利技术的目的是提供了一种复杂环境下基于改进yolov8的目标检测方法，通过改进yolov8结构解决复杂环境下小本文档来自技高网...

【技术保护点】

1.一种复杂环境下基于改进YOLOv8的目标检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种复杂环境下基于改进YOLOv8的目标检测方法，其特征在于，其特征在于，步骤(2)具体如下：将场景分为海洋、陆地、天空三种，基本单元分为：舰船、潜艇、坦克、步兵、战斗机、直升机等八类；按照各单元的具体位置进行标注，设置标签名；将标签名与位置进行存储，再将数据集按照7：2：1的比例随机划分为训练集、验证集和测试集。

3.根据权利要求1所述的一种复杂环境下基于改进YOLOv8的目标检测方法，其特征在于，其特征在于，步骤(3)具体如下:在YOLOv8模型的Back...

【技术特征摘要】

1.一种复杂环境下基于改进yolov8的目标检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种复杂环境下基于改进yolov8的目标检测方法，其特征在于，其特征在于，步骤(2)具体如下：将场景分为海洋、陆地、天空三种，基本单元分为：舰船、潜艇、坦克、步兵、战斗机、直升机等八类；按照各单元的具体位置进行标注，设置标签名；将标签名与位置进行存储，再将数据集按照7：2：1的比例随机划分为训练集、验证集和测试集。

3.根据权利要求1所述的一种复杂环境下基于改进yolov8的目标检测方法，其特征在于，其特征在于，步骤(3)具体如下:在yolov8模型的backbone端的第四c2f模块引入cbam注意力机制、在neck端引入afpn渐进特征金字塔网络、在head端引入inner_iou损失函数，构建as_yolov8模型。

4.根据权利要求3所述的一种复杂环境下基于改进yolov8的目标检测方法，其特征在于，cbam注意力机制包括cam通道注意力模块和sam空间注意力模块；其中，通道注意力机制对输入的单个特征图f∈rc×h×w进行处理时，首先基于宽度和高度分别进行全局平均池化和全局最大池化；接着利用共享的全连接层处理这两个池化结果并相加；然后，通过sigmoid函数生成通道注意力特征图mc(f)；最后，将注意力特征与输入特征图相乘，得到最终的特征图f’；

5.根据权利要求4所述的一种复杂环境下基于改进yolov8的目标检测方法，其特征在于，通道注意力特征图计算公式如下：

6.根据权利要求3所述的一种复杂环境下基于改进yolov8的目标检测方法，其特征在于，neck端引入afp...

【专利技术属性】
技术研发人员：李震，储文娟，黄炜嘉，王楠，李阳，王敏，姜靓，
申请(专利权)人：江苏科技大学，
类型：发明
国别省市：