买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京信息工程大学

摘要：本发明公开了一种基于YOLOv8网络的目标检测方法及系统，属于图像处理技术领域，包括：采集待检测区域的实时监测图像，将实时监测图像输入至预先训练好的目标检测模型，获得目标检测结果；所述目标检测模型的训练过程包括：利用训练数据集对目标检测模型进行训练，所述目标检测模型包括特征提取网络CSPDarknet53、注意力机制模块SimAM、加强特征提取网PAN‑FPN、EFB模块和检测层；根据训练检测结果和目标真实标签计算预测损失，并利用预测损失对目标检测模型进行优化，重复迭代直至达到设定的迭代次数输出训练好的目标检测模型；本发明能够保证检测速度的实时性，同时充分提取浅层信息，加强对小目标的检测效果，进一步提高了图像检测精度。

主权项：1.一种基于YOLOv8网络的目标检测方法，其特征在于，包括：采集待检测区域的实时监测图像，将实时监测图像输入至预先训练好的目标检测模型，获得目标检测结果；所述目标检测模型的训练过程包括：收集历史检测图像并进行预处理获得训练图像，构建训练数据集；所述训练图像包含目标真实标签；利用训练数据集对目标检测模型进行训练，所述目标检测模型包括特征提取网络CSPDarknet53、注意力机制模块SimAM、加强特征提取网络PAN-FPN、EFB模块和检测层；将训练图像输入至所述特征提取网络CSPDarknet53获得不同尺寸的特征图P1、特征图P2和特征图P3，包括：所述特征提取网络CSPDarknet53包括卷积模块CBS、第一残差模块、第二残差模块、第三残差模块、第四残差模块和SimSPPF模块；所述第一残差模块、第二残差模块、第三残差模块、第四残差模块由单个卷积模块CBS和特征融合模块C2F组成；将所述训练图像输入特征提取网络CSPDarknet53，依次经过卷积模块CBS、第一残差模块、第二残差模块、第三残差模块、第四残差模块和SimSPPF模块处理后，分别由第二残差模块、第三残差模块和SimSPPF模块输出所述特征图P1、特征图P2和特征图P3；利用注意力机制模块SimAM对特征图P1、特征图P2和特征图P3进行处理后获得特征图、特征图和特征图；将特征图、特征图、特征图和特征图P3输入至加强特征提取网络PAN-FPN输出特征图T1、特征图T2和特征图T3；将特征图T1、特征图T2和特征图T3依次经过EFB模块和检测层处理后分别输出训练检测结果；包括：将特征图T1、特征图T2和特征图T3作为EFB模块的输入特征图，通过1×1的卷积核做通道的扩展，通过归一化层和Mish激活函数层处理，利用单个3×3大小的深度卷积提取高通道的特征，然后再通过归一化层、Mish激活函数层以及1×1的卷积核输出EFB模块的中间特征图；将EFB模块的输入特征图和中间特征图进行特征叠加获得EFB模块的输出特征图，获得特征图、特征图和特征图；将特征图分别经过单个卷积模块CBS和Conv-reg-max模块、单个卷积模块CBS和Conv-num-class模块处理后进行特征融合输出第一级尺寸的训练检测结果；将特征图分别经过单个卷积模块CBS和Conv-reg-max模块、单个卷积模块CBS和Conv-num-class模块处理后进行特征融合输出第二级尺寸的训练检测结果；将特征图分别经过单个卷积模块CBS和Conv-reg-max模块、单个卷积模块CBS和Conv-num-class模块处理后进行特征融合输出第三级尺寸的训练检测结果；根据训练检测结果和目标真实标签计算预测损失，并利用预测损失对目标检测模型进行优化，重复迭代直至达到设定的迭代次数输出训练好的目标检测模型。

全文数据：

权利要求：

百度查询： 南京信息工程大学 一种基于YOLOv8网络的目标检测方法及系统