期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
Bi-YOLO:一种基于YOLOv8n改进的轻量化目标检测算法
被引量：
31
1
作者
刘子洋
徐慧英
+4 位作者
朱信忠
李琛
王泽宇
曹雨淇
戴康佳
《计算机工程与科学》
CSCD
北大核心
2024年第8期1444-1454,共11页
以YOLOv8为代表的单阶段目标检测算法,在骨干网络中有比较明显的优化,但在颈部网络未能高效地融合上下文信息,导致在小目标检测方面存在漏检、错检的问题,并且还存在模型参数量大、计算复杂度高的问题,无法满足端到端的工业部署需求。...
以YOLOv8为代表的单阶段目标检测算法,在骨干网络中有比较明显的优化,但在颈部网络未能高效地融合上下文信息,导致在小目标检测方面存在漏检、错检的问题,并且还存在模型参数量大、计算复杂度高的问题,无法满足端到端的工业部署需求。针对以上问题,引入基于Transformer结构的BiFormer注意力机制,加强对小目标的检测性能,提升算法的精度;引入GSConv模块,在保证算法性能不受到负面影响的前提下减小算法规模。为了平衡BiFormer带来的计算量和参数量的增加,设计了一种名为Bi-YOLO的目标检测算法,以达到轻量化和算法性能的平衡。实验结果表明,Bi-YOLO目标检测算法和YOLOv8n相比,算法精度提高了4.6%,DOTA数据集小目标检测精度提高了2.3%,参数量下降了12.5%。Bi-YOLO有效实现了模型轻量化和性能的平衡,为端到端的工业部署提供了新思路。
展开更多
关键词
YOLOv8
BiFormer
轻量化改进
目标检测
端到端工业部署
在线阅读
下载PDF
职称材料
题名
Bi-YOLO:一种基于YOLOv8n改进的轻量化目标检测算法
被引量：
31
1
作者
刘子洋
徐慧英
朱信忠
李琛
王泽宇
曹雨淇
戴康佳
机构
浙江师范大学计算机科学与技术学院(人工智能学院)
出处
《计算机工程与科学》
CSCD
北大核心
2024年第8期1444-1454,共11页
基金
国家自然科学基金(62376252,61976196)
浙江省自然科学基金重点项目(LZ22F030003)
国家级大学生创新训练计划重点项目(202310345042)。
文摘
以YOLOv8为代表的单阶段目标检测算法,在骨干网络中有比较明显的优化,但在颈部网络未能高效地融合上下文信息,导致在小目标检测方面存在漏检、错检的问题,并且还存在模型参数量大、计算复杂度高的问题,无法满足端到端的工业部署需求。针对以上问题,引入基于Transformer结构的BiFormer注意力机制,加强对小目标的检测性能,提升算法的精度;引入GSConv模块,在保证算法性能不受到负面影响的前提下减小算法规模。为了平衡BiFormer带来的计算量和参数量的增加,设计了一种名为Bi-YOLO的目标检测算法,以达到轻量化和算法性能的平衡。实验结果表明,Bi-YOLO目标检测算法和YOLOv8n相比,算法精度提高了4.6%,DOTA数据集小目标检测精度提高了2.3%,参数量下降了12.5%。Bi-YOLO有效实现了模型轻量化和性能的平衡,为端到端的工业部署提供了新思路。
关键词
YOLOv8
BiFormer
轻量化改进
目标检测
端到端工业部署
Keywords
YOLOv8
BiFormer
lightweight improvement
object detection
end-to-end industrial deployment
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
Bi-YOLO:一种基于YOLOv8n改进的轻量化目标检测算法
刘子洋
徐慧英
朱信忠
李琛
王泽宇
曹雨淇
戴康佳
《计算机工程与科学》
CSCD
北大核心
2024
31
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
