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改进YOLOv8的唐卡目标检测方法，包括以下步骤：（1）获取需要检测的唐卡图片或视频并放入test文件并进行预处理；（2）构建改进YOLOv8网络模型，将深度可分离‑分组卷积‑SE注意力模块DGST替换特征金字塔层C2f中的瓶颈层Bottleneck；其中，DGST模块包括：SE注意力机制层、分组卷积以及神经网络ConvFFN模块；将需要检测的图片或视频输入改进YOLOv8网络进行训练；（3）将得到的模型输出数据进行处理，得到预测结果；本发明通过对YOLOv8模型的改进，提高检测的精确度，模型参数在一定程度上减少，实现模型轻量化。

主权项：1.一种基于改进YOLOv8的唐卡目标检测方法，其特征在于，包括以下步骤：（1）获取需要检测的唐卡图片或视频并进行预处理；（2）构建改进YOLOv8网络模型，将深度可分离-分组卷积-SE注意力模块DGST替换特征金字塔层C2f中的瓶颈层Bottleneck；其中，DGST模块包括：SE注意力机制层、分组卷积以及神经网络ConvFFN模块；将需要检测的图片或视频输入改进YOLOv8网络进行训练；包括以下步骤：（21）采用letterbox对需要检测的图片进行缩放，等比例缩放为标准大小后，输入网络进行识别；（22）将处理后的图片传入主干网络，进行特征的提取，其中，网络分为0-9层；具体如下：将处理后的图片经过卷积层CBS和特征金字塔改进层C2f_improve串行叠加4次，将图片与卷积核进行卷积运算，批量归一化处理后，通过激活函数提取特征即得到张量x；接着通过C2f_improve，即输入张量x被沿着通道维度切分为四个部分：x1,x2,x3,x4，其中，对x1,x2,x3,x4分别进行处理：x1保持不变，x2经过普通卷积，x3经过SE块，x4经过深度可分离卷积；处理后的四个部分沿着通道进行维度调用channel_shuffle函数对拼接后的通道进行混洗，最后经过ConvFFN模块进行处理并返回输出；将提取的特征经过空间特征池化层，进行特征融合；（23）将提取的特征输入颈部网络，再次进行特征融合和增强，其中，对第4层、第6层进行下采样；设定第4层、第6层、第9层的分辨率分别为80*80、40*40和20*20；将第4层、第6层、第9层作为动态锚点网络PANnet结构的输入，经过上采样，通道融合，最终将PANet的三个输出分支送入到检测头中进行损失函数的计算或结果解算；（24）将增强和融合的特征输入到头部网络，使用解耦头结将分类和检测头分离；其中，损失函数公式如下： ；其中，表示真实边界框的坐标，表示预测边界框的坐标；（3）将得到的模型输出数据进行处理，得到预测结果。

全文数据：

权利要求：

百度查询： 南京信息工程大学 一种基于改进YOLOv8的唐卡目标检测方法