【技术实现步骤摘要】
本专利技术属于水下目标检测，涉及一种基于改进yolov8的水下目标检测方法。
技术介绍
1、随着经济与科技的发展，人们越来越重视海洋资源开发，而水下目标检测一直是其中的一个重要研究方向。水下目标检测是一门涉及海洋科学、机器学习和计算机视觉的复杂领域，其挑战和技术需求不同于陆地上的目标检测。与陆地环境不同的是，水下环境更加复杂，尤其是以下几点影响水下摄像头采集出来的图像，第一，水的光学特性导致光在水中传播时发生散射和吸收，使得水下视觉受到深度和距离的限制，能见度较低；第二，水下光照受到自然光、水体悬浮物和水深等因素的影响，通常表现为光照强度不均匀和光照频率变化大；第三，水下目标物体通常具有与陆地不同的视觉特征，如颜色深浅、纹理变化、形状等，这些特征可能因水下环境的不同而变化。
2、基于深度学习的目标检测算法是计算机视觉领域的重要研究方向之一，在深度学习技术普及之前，目标检测主要依赖于手工设计的特征和传统的机器学习方法，如支持向量机(svm)和随机森林等，这些方法通常需要大量的特征工程和人工调整，难以适应复杂的场景和多样的目标类...
【技术保护点】
1.一种基于改进YOLOv8的水下目标检测方法，其特征在于：所述方法采用EfficientViT模块作为改进YOLOv8模型的主干网络，RepGFPN模块作为改进YOLOv8模型的neck网络，以执行以下步骤：
2.根据权利要求1所述的一种基于改进YOLOv8的水下目标检测方法，其特征在于：在步骤S1中，EfficientViT采用层次化结构，包含多个阶段，每个阶段由多个EfficientViT构建块堆叠而成，逐渐降低特征图的分辨率并增加通道数，输入图像首先通过重叠块嵌入层转换为一系列标记；
3.根据权利要求2所述的一种基于改进YOLOv8的水...
【技术特征摘要】
1.一种基于改进yolov8的水下目标检测方法，其特征在于：所述方法采用efficientvit模块作为改进yolov8模型的主干网络，repgfpn模块作为改进yolov8模型的neck网络，以执行以下步骤：
2.根据权利要求1所述的一种基于改进yolov8的水下目标检测方法，其特征在于：在步骤s1中，efficientvit采用层次化结构，包含多个阶段，每个阶段由多个efficientvit构建块堆叠而成，逐渐降低特征图的分辨率并增加通道数，输入图像首先通过重叠块嵌入层转换为一系列标记；
3.根据权利要求2所述的一种基于改进yolov8的水下目标检测方法，其特征在于：efficientvit构建块在两个前馈网络层ffn之间插入一个自注意力层mhsa，每个ffn层后接一个深度卷积层dwconv引入局部结构信息；其中，efficientvit构建块的计算过程表示为：
4.根据...
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。