摘要
本发明公开一种基于BS‑YOLOv8落叶检测方法,属于计算机视觉目标检测领域,可用于落叶检测。其步骤如下:采集道路落叶图像并标注,划分训练集与测试集,在训练集训练BS‑YOLOv8模型,经测试集测试后得到检测模型。BS‑YOLOv8网络模型基于YOLOv8改进,在C2f模块后引入无参数注意力SimAM模块,增强主干网络提取复杂背景和小目标的能力;颈部网络采用重参数化卷积上采样模块替代原上采样模块,利用多分支结构提升特征融合灵活性,实现堆叠目标有效识别。实验表明,设计与训练的BS‑YOLOv8模型在落叶检测中能快速精准识别落叶,可有效应用于道路检测场景,为落叶检测提供了高效准确的解决方案。
技术关键词
多分支结构
采样模块
网络模型训练
分类边界
上采样
计算机视觉
注意力
参数
长宽比
检测头
训练集
定义
图像
图片
变量
效应
标签
场景
系统为您推荐了相关专利信息
电力传输路径
负荷特征
地貌特征
变电站选址方法
Sigmoid函数
融合点云数据
语义点云
图像
数据生成方法
像素点
耕地提取方法
深度网络模型
深度学习数据集
处理单元
上采样
图像融合方法
融合特征
神经网络模型
可见光图像
卷积模块
抓取网络
抓取方法
图像像素
抓取轨迹
生成透明物体