基于YOLOv8的林区行人目标检测研究

摘要

为解决目标检测算法在林区行人检测中容易出现漏检及检测精度不足的问题，提出一种基于改进YOLOv8的林区行人目标检测算法。采用C2f＿DWRSeg模块替换C2f模块，扩展初始卷积通道数，使网络能更高效地进行多尺度特征提取；提出一种重构的检测头，训练时增加卷积层的复杂性，推理时使用单分支结构，从而丰富网络的特征表示能力，并保持高效的推理速度；在特征融合前增加了卷积注意力机制模块CGA，减少计算量；使用Focaler-ShapeIoU损失函数代替CIoU损失函数，弥补边界框回归方法的不足，进一步提高检测能力。试验结果表明，与基准模型相比，改进后的算法mAP50提高了2%,mAP50-95提高了2.4%，模型的处理速度（FPS）提高了4.33%，证明改进后的算法能够更好地应用在林区行人检测的任务中。

关键词

林区管理 / 行人检测 / YOLOv8 / 注意力机制 / 损失函数 / 改进算法 / 深度学习 / 识别