一种基于YOLO的环境多物品识别方法

本发明公开了一种基于YOLO的环境多物品识别方法，该方法包括：(1)使用卷积神经网络对增强后的图像进行特征提取，在过程中引入CBAM注意力机制，以优化关键特征的提取：(2)在CBAM模块输出的特征图基础上，引入自适应卷积核；(3)将经过CBAM优化的特征输入跨阶段局部特征融合模块，以生成多尺度特征；(4)在检测头中通过ATTS标签分配策略对目标进行分类与定位。本发明通过引入ATTS标签分配策略，动态调整目标标签的分布与权重，有效提升了复杂场景中小目标和遮挡目标的检测精度；同时，通过嵌入CBAM注意力机制，从而优化了模型的鲁棒性和检测效果。采用动态可调的自适应卷积核，根据输入特征的尺度与形态调整卷积核参数，提升了网络的适应能力。