基于改进YOLOv8的遗留物品检测算法

张震, 葛帅兵, 陈可鑫, 李友好, 黄伟涛

郑州大学学报(工学版) ›› 2025, Vol. 46 ›› Issue (04) : 40 -46.

PDF
郑州大学学报(工学版) ›› 2025, Vol. 46 ›› Issue (04) : 40 -46. DOI: 10.13705/j.issn.1671-6833.2025.04.010

基于改进YOLOv8的遗留物品检测算法

    张震, 葛帅兵, 陈可鑫, 李友好, 黄伟涛
作者信息 +

Author information +
文章历史 +
PDF

摘要

针对传统基于背景减法的遗留物品检测算法难以应对人流拥挤、小目标、物品遮挡和光线变化等环境,以及基于深度学习方法中的模型准确率低等问题,提出了一种基于改进YOLOv8的遗留物品检测算法。首先,使用动态上采样DySample替换最近邻上采样,优化上采样过程,增强模型的泛化能力。其次,将高效轻量的ADown下采样模块替代普通的下采样卷积,在降低整个模型参数量的同时,提升算法的检测精度。最后,引入EMA注意力机制,优化特征提取过程,增强特征提取能力,提升对小目标检测的效果。实验结果表明:改进后的模型YOLO-DAE在自建数据集上取得的准确率P、召回率R、mAP@50和mAP@50:95分别为93.4%,87.7%,91.7%和80.2%,相比于改进前的YOLOv8s模型在模型参数量和计算量减少的同时,分别提高了1.8百分点、1.6百分点、1.2百分点和2.1百分点,并且mAP@50和mAP@50:95均高于YOLOv5s r6.0、YOLOv6s v3.0、YOLOv7s AF和YOLOv9s,有效提升了遗留物品检测能力。

关键词

遗留物品检测 / YOLOv8算法 / EMA注意力机制 / DySample模块 / ADown模块

Key words

引用本文

引用格式 ▾
基于改进YOLOv8的遗留物品检测算法[J]. 郑州大学学报(工学版), 2025, 46(04): 40-46 DOI:10.13705/j.issn.1671-6833.2025.04.010

登录浏览全文

4963

注册一个新账户 忘记密码

参考文献

AI Summary AI Mindmap
PDF

0

访问

0

被引

详细

导航
相关文章

AI思维导图

/