YOLOESD-基于改进YOLOv8的海洋垃圾图像检测

摘要

海洋垃圾不仅严重威胁海洋动物的健康及其栖息地，由其释放的有毒物质进入食物链后对人类身体健康同样造成消极影响。由于海洋图像受到光照投影的影响，并且垃圾的尺寸通常较小，以往的目标检测算法对海洋垃圾的检测性能并不理想，因此提出了一种基于YOLOv8网络模型的改进算法(YOLOESD),该算法共有三个改进点：首先，采用Stemblock模块替换了模型的初始卷积，在减少模型参数量的同时，提高模型检测的精确度；其次，融合高效多尺度注意力模块(EMA),有效减少了模型的漏检和误检问题；最后，在原模型的头部额外增加一个小目标检测头，提高模型对小尺度目标的敏感度。实验结果表明，改进后的YOLOv8网络模型与原网络模型相比，漏检情况得到明显改善，mAP@0.5达到90.8%,精度提高了3.6个百分点；YOLOESD网络模型的检测效果优于原网络模型及经典的网络模型。

关键词

目标检测 / 小目标检测 / 海洋垃圾检测 / EMA注意力机制 / Stem模块 / YOLOESD