摘要
本发明提供了空‑频蒸馏与可变形大核卷积嵌入的YOLOv8樱桃果实检测方法。首先,在YOLOv8的骨干网络中引进空间‑频率特征蒸馏模块,并在空间特征蒸馏块与频率特征蒸馏块之间增加跳跃连接,能够削弱冗余低效的空间‑频率特征并增强关键特征的表征能力;其次,采用空间‑频率特征蒸馏模块替换YOLOv8骨干网络中P2~P4尺度的C2f模块,抑制精细尺度下的遮挡/重叠及噪声影响,提升复杂场景下的果实检测精度及稳健性;最后,提出一种基于可变形大核卷积的特征提取模块,并用其替换YOLOv8骨干网络中P5尺度的C2f模块,提升网络模型对不同尺度、不同形状的樱桃果实的特征表征能力。实验结果验证了本发明的有效性。
技术关键词
卷积模块
蒸馏
深度卷积神经网络
果实
多尺度特征融合
检测头
特征提取模块
空间金字塔
频率
上采样
批量
抑制算法
图像
输入多尺度
随机梯度下降
训练集
计数器
模式