基于改进YOLOv8的细长物体检测方法

摘要

在计算机视觉领域，无锚框的检测算法能够较好地检测并定位任意几何形状的物体，有利于检测细长物体。从更好保留细长物体信息、防止信息的混淆以及更好表达非局部信息之间关联的角度出发，提出改进YOLOv8的细长物体检测方法。在YOLOv8的骨干和头部网络中加入有助于处理细长物体的SPD-Conv构建块，SPD-Conv充分利用空间分割与非跨步卷积处理技术，有效减少细长物体特征的丢失；改进YOLOv8骨干网络中的卷积运算，解决参数共享的问题，对图像不同位置和不同通道的特征赋予不同的重要性和含义；为更好标定细长目标，使用非局部non＿local注意力机制理解图像中的长距离依赖关系和相关性。实验结果表明：与YOLOv8原型相比，改进算法平均精度提升了11.35%,推理速度略有降低，为每秒20帧，基本达到了实时性要求。

关键词

YOLOv8 / 目标检测 / 注意力机制 / 细长物体识别

基金资助

国家重点研发计划“社会治理与智慧社会科技支撑”重点专项(2022YFC3302502)