摘要
本发明提供一种基于多模块协同的TSAS‑YOLOv8小目标检测方法,包括获取检测图像并进行预处理;将预处理后的图像输入TSAS‑YOLOv8模型的Backbone网络,进行特征提取,输出多尺度特征图;将多尺度特征图输入Neck网络进行特征融合,并在Backbone网络和Neck网络连接处引入Shuffle Attention注意力机制,输出特征图;将特征图输入包含小目标检测头的Head网络,输出初次检测结果;对初次检测结果进行处理,输出最终检测结果。本发明提出的一种基于多模块协同的TSAS‑YOLOv8小目标检测方法,利用T‑CMUNeXt模块的多尺度特征融合优势,抓取小目标的细微特征;并通过Shuffle Attention注意力机制聚焦关键特征,全方位提升小目标检测效果;同时,增设小目标检测头增强对小目标的定位能力,进一步减少漏检和误检,从而显著提升小目标检测的精度和效率。
技术关键词
多模块
注意力机制
多尺度特征
全局平均池化
网络
输出特征
累积分布函数
特征值
通道
瓶颈结构
样本
数据
图像
矩阵
检测头
语义
元素
系统为您推荐了相关专利信息
环境监测传感器
物联网网关
扩展卡尔曼滤波算法
分布式传感器网络
智能火灾
优化控制系统
升压站设备
视频监控单元
监控大屏
视频帧
虚拟网络
模板
场景
非易失性存储介质
设备配置模块
客户
长短期记忆网络
电力
皮尔逊相关系数
服务优化方法
智能负载均衡方法
服务器
动态
加权算法
负载均衡算法