-
题名基于改进Yolov8n的珊瑚白化图像目标检测
- 1
-
-
作者
韩云涛
刘宇鹏
胡跃明
孙宝鹏
杨佳琪
-
机构
哈尔滨工程大学智能科学与工程学院
哈尔滨工程大学三亚南海创新发展基地
中国船舶集团有限公司第七〇三研究所
-
出处
《智能系统学报》
北大核心
2025年第5期1148-1157,共10页
-
基金
海南省自然科学基金项目(622MS163)
海南省科技计划三亚崖州湾科技城联合项目(2021CXLH0001).
-
文摘
针对海洋环境中珊瑚白化图像特征模糊、背景复杂多变导致的检测精度不足问题,在Yolov8n的基础上,提出了一种基于改进Yolov8n的针对珊瑚白化图像目标检测的Yolov8_CSHC算法。首先,利用防冗余结构紧凑倒置块(compact inverted block,CIB)改进C2f(concatenated feature fusion)模块,减少模型参数量以提高检测速度。其次,在特征融合网络中引入了基于局部注意力增强空间尺度聚合特征的空间金字塔池化网络,可以增强模型对局部细节的感知能力。最后,在特征融合过程中引入级联分组注意力机制,通过将输入特征分割处理,级联输出的方式提高了注意力的多样性和计算效率,使模型可以快速聚焦特征区域。后续引入混合注意力变换器,主要用于单图像超分辨率重建,进一步增强小目标的语义信息和全局感知能力。实验结果表明,在Marjan balance Dataset上,Yolov8_CSHC相较于Yolov8n算法,GFLOPS降低了12%,mAP@0.5-0.95提高了3.6百分点。该算法可以有效地完成海洋珊瑚白化状况的目标检测任务。
-
关键词
Yolov8_CSHC
珊瑚白化检测
空间金字塔池化网络
级联分组注意力模块
CIB_C2f模块
混合注意力变换器
Marjan
balance
Dataset
-
Keywords
Yolov8_CSHC
coral bleaching detection
spatial pyramid pooling network
cascading grouping attention module
CIB_C2f module
hybrid attention Transformer
Marjan balance Dataset
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于知识蒸馏的GAN生成图像质量评价方法
- 2
-
-
作者
闫嘉阔
司占军
-
机构
天津科技大学轻工科学与工程学院
天津科技大学人工智能学院
-
出处
《印刷与数字媒体技术研究》
CAS
北大核心
2024年第1期51-59,共9页
-
文摘
为了是提高GAN模型生成的图像质量的预测精度,以更好地符合人类对图像质量的主观评价,本研究介绍了一种基于知识蒸馏的半监督图像质量评价(IQA)方法。该方法利用CNN和ViT模型的结合,充分捕获全局和局部信息,学习高质量图像与失真图像之间特征的分布差异,并通过知识蒸馏传输高级特征信息。模型通过前向传播,得到图像质量评价分数。为了提高输入特征的多样性和模型的处理速度,本研究还采用了级联分组注意(CGA)机制对输入特征处理。通过在多个公共数据集上的实验表明,本研究方法的评价结果优于现有的评价方法,总体效果理想,相对鲁棒性相对优异,可以获得更加符合人类视觉效果的IQA结果。
-
关键词
知识蒸馏
GAN模型
图像质量评价
级联分组注意力
-
Keywords
Knowledge distillation
GAN model
Image quality assessment
Cascaded Group Attention
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
