融合YOLOv8与全局注意力机制的滑坡检测模型研究

摘要

该文以YOLOv8模型为基础网络架构，引入全局注意力机制(global attention mechanism, GAM)模块，构建全局注意力机制YOLOv8模型(global attention mechanism-YOLOv8, GAM-YOLOv8),以提升模型在滑坡检测场景中的精度。以四川省九寨沟县震中区域滑坡为研究对象，采用谷歌影像进行滑坡检测。结果显示，GAM-YOLOv8模型精度(Precision)达到0.971,平均精度(mean average precision, mAP)达到0.852,并将GAM-YOLOv8模型与YOLOv8模型进行试验对比，相对于原始的YOLOv8模型精度0.934,平均精度0.831,GAM-YOLOv8模型精度提高了3.7%,平均精度提高了2.1%。试验结果表明，GAM-YOLOv8模型较YOLOv8模型更适用于滑坡检测场景。

关键词

滑坡检测 / 深度学习 / 目标检测 / 注意力机制 / YOLOv8