改进YOLOv8n的道路目标检测算法OA北大核心CSTPCD
针对道路场景中目标尺度多变、复杂背景干扰导致检测精度低、漏检率高的问题,提出一种改进YOLOv8n的道路目标检测算法。引入多样化分支块(diverse branch block,DBB)构建C2fDBB模块,替代原算法中的C2f模块,增强网络多尺度特征提取能力。在路径聚合网络(path aggregation network,PANet)的基础上结合渐进特征金字塔网络(asymptotic feature pyramid network,AFPN…查看全部>>
高德勇;陈泰达;缪兰
兰州交通大学电子与信息工程学院,兰州730070 甘肃省人工智能与图形图像工程研究中心,兰州730070兰州交通大学电子与信息工程学院,兰州730070兰州交通大学电子与信息工程学院,兰州730070
计算机与自动化
YOLOv8结构重参数化渐进特征金字塔网络(AFPN)道路目标注意力机制
《计算机工程与应用》 2024 (16)
P.186-197,12
国家自然科学基金(61963023)甘肃省高等学校创新基金(2021B-113)。
评论