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：江苏大学

摘要：本发明涉及一种基于改进YOLOv8的行人小目标检测方法，属于深度学习图像处理技术领域。首先对行人检测公开数据集进行预处理，再将预处理后的数据集图片输入到主干网络中提取不同尺寸的特征图，接着将特征图输入颈部网络进行特征融合得到强化特征图，最后将强化特征图输入到头部预测网络进行目标检测，得到检测结果。其中，使用全维度动态卷积替换模型主干中的普通卷积，并在颈部网络引入BiFPN加权双向金字塔网络使其达到高效融合不同层次特征信息的目的，同时在预测网络中添加小目标检测头。本发明充分利用图片中各种信息，在保证普通行人目标检测的同时提升了行人小目标检测的精度，避免了因行人距离较远所导致目标过小从而造成错检漏检的问题。

主权项：1.一种基于改进YOLOv8的行人小目标检测方法，其特征在于，在原始YOLOv8模型的基础上，使用全维度动态卷积改进主干特征提取网络CSPDarknet53，使网络适应不同的输入数据；引入加权双向特征金字塔网络BiFPN改进颈部特征融合网络，实现强化浅层特征；添加小目标检测头改进头部预测网络；所述方法包括如下步骤：Step1：使用行人检测公开数据集，将其训练集和验证集中的标签类别全部归为person且近似的将行人尺度分为微小尺度行人、小尺度行人、中尺度行人、大尺度行人四个等级；Step2：数据集经过预处理后输入到YOLOv8主干特征提取网络CSPDarknet53，主干特征提取网络CSPDarknet53是由CBS卷积模块、C2F上下文融合模块、SPPF空间金字塔池化模块构成的十层网络结构，其中，使用全维度动态卷积Omni-DimensionalDynamicConvolution,ODConv替换模型主干网络中的普通卷积；再分别提取主干网络CSPDarknet53的第三、五、七、十层特征信息得到四种不同尺寸的特征图；Step3：将Step2得到的四种不同尺寸的特征图分别传输到YOLOv8的颈部特征融合网络，在此引入加权双向特征金字塔网络BiFPN，通过自顶向下和自底向上两种方式进行特征融合，分别得到四种不同尺寸的强化特征图；Step4：在YOLOv8的头部预测网络中新添一个小目标检测头，将Step3得到的四种不同尺寸的强化特征图分别输入到四个目标检测头，最终得到四种不同尺寸的预测特征图；Step5：在Step4的基础上，头部预测网络通过非极大抑制输出最终预选框，从而得到最终检测结果；Step6：采用训练好的基于YOLOv8的行人小目标检测模型对测试集进行检测并评估其性能。

全文数据：

权利要求：

百度查询： 江苏大学 一种基于改进YOLOv8的行人小目标检测方法