一种基于机器视觉的轻量级小目标检测方法

本发明属于计算机视觉与深度学习技术领域，具体涉及一种基于机器视觉的轻量级小目标检测方法，包括下列步骤：通过采用FasterNet模块替代YOLOv8中的C2f模块，利用部分卷积对输入特征图的部分通道进行卷积操作；在颈部网络中引入VoV‑GSCSP模块，结合GSConv和跨级部分连接技术，对多尺度特征进行高效融合；采用基于最小点距离损失函数，通过最小化预测框与真实框左上角和右下角点的距离，优化边界框回归性能；使用LAMP剪枝算法，根据网络各层权重的重要性自适应剪枝；在优化后的网络架构上进行训练。本发明改进后的模型在TinyPerson数据集上mAP50达到46.3％，召回率提升至30％，检测性能显著优于基准模型。