基于YOLOv8的元素定位方法研究

摘要

本文提出了一种基于YOLOv8的元素定位方法，利用计算机视觉技术解决了传统方法的诸多局限。首先，把多梯度融合特征提取（channel-to-pixel, C2f）模块中的Bottleneck模块替换为新的动态蛇形卷积（dynamic snake convolution, DSConv）模块，其能够根据特征自适应学习感兴趣区域；其次，在主干网络增加SE通道注意力机制，能够感知主要目标图像特征；最后，使用Wise-IoU损失函数替代原先的交并比（intersection over union, IoU）损失函数，从而克服梯度消失的问题。通过消融和对比实验，与基线模型相比在精确度、F₁分数和mAP@0.5分别提升了6.7%、9.7%、7.8%,在应用进行元素定位时准确率均能获得明显的提升。

关键词

元素定位 / YOLOv8 / 动态蛇形卷积 / 注意力机制 / 损失函数