一种改进的YOLOv8水下图像目标检测方法、装置、介质、程序制造方法及图纸

本发明专利技术提供了一种改进的YOLOv8水下图像目标检测方法、装置、介质、程序，其中在YOLOv8的基础上，设置细粒度特征提取模块替代C2f模块，包括并行设置的视觉状态空间模型与局部特征提取模块，视觉状态空间模型中通过线性变换调整特征分布，结合深度可分离卷积与SiLU激活函数提取多尺度空间上下文；局部特征提取模块中通过卷积核通道注意力机制聚焦目标的细节信息，抑制噪声干扰；两者输出经逐元素相加融合后进入多尺度交叉注意力融合模块，多尺度交叉注意力融合模块中通过动态加权融合不同尺度的局部与全局特征，输出细粒度特征。利用上述改进的YOLOv8进行水下目标检测，能够显著提升水下图像目标检测中对模糊目标和复杂背景的辨识能力。

【技术实现步骤摘要】

本专利技术属于计算机视觉和深度学习，具体涉及一种改进的yolov8水下图像目标检测方法、装置、介质、程序。

技术介绍

1、水体覆盖了地球表面的约71％，不仅在调节全球气候、吸收二氧化碳方面发挥关键作用，还蕴藏着丰富的自然资源。海洋生态系统的健康状况对全球环境具有重要影响，因此，高效、精准的水下目标检测技术在海洋生物监测、资源勘探、水下机器人导航等领域具有广泛应用价值。然而，由于水下环境的复杂性，传统计算机视觉技术在水下目标检测任务中仍面临诸多挑战。

2、首先，水下光照条件复杂，光在水中的传播受散射、吸收、折射等因素影响，使得水下图像往往呈现低对比度、模糊、色偏等问题，导致传统目标检测算法难以提取有效特征。其次，水下目标往往具有尺度小、形态复杂、分布密集等特点，许多小目标(如珊瑚、海洋生物、沉船遗迹等)在传统目标检测算法中容易被忽略或误识别，导致检测精度下降。此外，水下环境中噪声干扰严重，包括水流扰动、浮游生物影响等，进一步增加了检测难度。

3、目前，基于深度学习的目标检测方法，如yolo(you only look once)系列、本文档来自技高网...

【技术保护点】

1.一种改进的YOLOv8水下图像目标检测方法，其特征在于：采用以下水下图像目标检测网络：在YOLOv8的基础上，设置细粒度特征提取模块替代C2f模块；

2.根据权利要求1所述的改进的YOLOv8水下图像目标检测方法，其特征在于：所述视觉状态空间模型中：

3.根据权利要求1所述的改进的YOLOv8水下图像目标检测方法，其特征在于：所述局部特征提取模块中：

4.根据权利要求1所述的改进的YOLOv8水下图像目标检测方法，其特征在于：所述多尺度交叉注意力融合模块中：

5.根据权利要求4所述的改进的YOLOv8水下图像目标检测方法，其特征在于：<...

【技术特征摘要】

1.一种改进的yolov8水下图像目标检测方法，其特征在于：采用以下水下图像目标检测网络：在yolov8的基础上，设置细粒度特征提取模块替代c2f模块；

2.根据权利要求1所述的改进的yolov8水下图像目标检测方法，其特征在于：所述视觉状态空间模型中：

3.根据权利要求1所述的改进的yolov8水下图像目标检测方法，其特征在于：所述局部特征提取模块中：

4.根据权利要求1所述的改进的yolov8水下图像目标检测方法，其特征在于：所述多尺度交叉注意力融合模块中：

5.根据权利要求4所述的改进的yolov8水下图像目标检测方法，其特征在于：

6.根据权利要求1所述的改进的yolov8水下图像目标检测方法，其特征在于：收集水下目标图像制作...

【专利技术属性】
技术研发人员：李凯旋，王丽，陈姝灼，殷子航，朱俊，
申请(专利权)人：南京工业职业技术大学，
类型：发明
国别省市：