一种基于改进YOLOv8的小目标检测方法及系统技术方案

本发明专利技术属于目标检测技术领域，公开了一种基于改进YOLOv8的小目标检测方法，本发明专利技术本发明专利技术提升小目标检测精度：通过引入EMA注意力机制，网络能够动态调整特征图的权重，有效地聚焦于小目标和遮挡目标的关键特征，显著提高了小目标的检测精度。本发明专利技术增强模型对复杂目标的适应性：结合动态蛇形卷积(DSConv)，模型能够更好地应对目标的几何变化和复杂局部特征，提升了对形态变化多样的小目标的识别能力。本发明专利技术加速收敛并提升泛化能力：通过替换损失函数为Inner‑ShapeIoU，引入形状相关的损失项，模型不仅在小目标定位精度上有显著提升，同时加速了收敛过程，并增强了在不同数据集和环境下的泛化能力。

【技术实现步骤摘要】

本专利技术属于目标检测，尤其涉及一种基于改进yolov8的小目标检测方法及系统。

技术介绍

1、计算机视觉被称为人工智能的“眼睛”，是人工智能领域的重要分支。它通过摄像头和计算机模拟人眼功能，实现图像或视频的自动分析与处理，帮助机器更好地理解和解读视觉信息。目标检测是其核心任务之一，即在图像中识别和定位不同类别的物体。目标检测广泛应用于自动驾驶、安防监控、医疗诊断等领域，并已经对这些行业产生了重要影响。同时，目标检测还是目标追踪、目标分割等更高层次视觉任务的基础，其核心在于目标分类和定位。然而，传统目标检测算法更倾向于手工构建特征，通常存在速度低下、准确率有限等问题，是早期应用中的主流方案。

2、随着卷积神经网络的发展，基于深度学习的目标检测算法有着简洁的结构和优异的性能而逐渐占据主导研究地位，相比于传统方法，这些算法大幅提升了检测的精度和速度。目前，这类算法主要分为单阶段模型和双阶段模型。单阶段模型采用回归方式，直接输入图像生成检测结果后直接输出，采用端到端的方式；双阶段模型则通过卷积神经网络先生成候选区域，再进一步完成分类与定位。经典的代表本文档来自技高网...

【技术保护点】

1.一种基于改进YOLOv8的小目标检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的小目标检测方法，其特征在于，所述EMA模块通过在多尺度特征图上对通道维度的所有像素信息进行注意力分配，以增强对小目标区域信息的捕捉能力。

3.如权利要求1所述基于改进YOLOv8的小目标检测方法，其特征在于，所述EMA模块：

4.如权利要求1所述基于改进YOLOv8的小目标检测方法，其特征在于，所述C2f_DSConv模块：

5.如权利要求1所述基于改进YOLOv8的小目标检测方法，其特征在于，所述Inner-ShapeIoU：

6...

【技术特征摘要】

1.一种基于改进yolov8的小目标检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的小目标检测方法，其特征在于，所述ema模块通过在多尺度特征图上对通道维度的所有像素信息进行注意力分配，以增强对小目标区域信息的捕捉能力。

3.如权利要求1所述基于改进yolov8的小目标检测方法，其特征在于，所述ema模块：

4.如权利要求1所述基于改进yolov8的小目标检测方法，其特征在于，所述c2f_dsconv模块：

5.如权利要求1所述基于改进yolov8的小目标检测方法，其特征在于，所述inner-shapeiou：

6.一种实施如权利要求1-4任意一项所述基于改进yolov8的小...

【专利技术属性】
技术研发人员：蒋碧波，李致君，张文迪，杨超，黄健辉，汪明锐，
申请(专利权)人：湖北大学，
类型：发明
国别省市：