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

doi:10.13705/j.issn.1671-6833.2025.04.010

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。