在基于改进的YOLOv8的折射全景监视中检测小目标
Xinli Zheng1, Jianxin Zou1, Shuai Du1
1College of Science, Donghua University, Shanghai 201620, China.
Sensors (Basel, Switzerland)
|February 10, 2024
概括
本研究介绍了一种改进的YOLOv8模型,用于检测无人机全景图像中的小目标. 改进后的模型提高了高空监视应用的准确性和效率.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 航空航天工程 航空航天工程
背景情况:
- 全景成像对于无人机和高空监视至关重要.
- 在广的区域中检测小目标,高分辨率的全景图像提出了准确性和实时性能挑战.
研究的目的:
- 提出基于YOLOv8的改进轻量级网络模型,用于在全景图像中增强小目标检测.
- 为了解决监控应用程序的精度和实时性能方面的局限性.
主要方法:
- 开发了一个改进的轻量级YOLOv8网络模型.
- 实施了全景复制粘贴数据增强技术.
- 利用展开,切割和拼接过程进行全景图像分析.
主要成果:
- 模型尺寸减少10.6%,参数数量减少11.69%,同时保持检测速度.
- 在整体mAP@0.5中实现了2.9%的增长,小目标检测精度提高了20%.
- 数据增强和图像处理技术进一步提升了mAP@0.5,分别为小目标的0.6%和21.3%,整体4.2%.
结论:
- 改进的轻量级YOLOv8模型在复杂的全景场景中有效提高了小目标检测精度.
- 拟议的数据增强和图像处理方法显著提高了无人机和高空监视的性能.
