基于YOLOv8n的單一類別檢測模型改進

打開文本圖片集

中圖分類號：TP391文獻標志碼：A

目標檢測是計算機視覺領(lǐng)域中的一項重要技術(shù)，其利用圖像分類與邊界框回歸進行對象識別與定位。傳統(tǒng)檢測根據(jù)手工特征采用機器學習算法，但是精度與泛化能力偏弱。隨著算力提升，基于深度學習的目標檢測模型逐漸成為該領(lǐng)域的主流方法。模型主要分為2類：一是2階段檢測模型（例如R-CNN、Fast-RCNN），先生成候選區(qū)域，再提取特征，精度高，但是計算成本高；二是單階段檢測模型（例如YOLO、單次多框檢測器（SingleShotMultiBoxDetector，SSD）），直接經(jīng)過一次前向推理生成預測結(jié)果，參數(shù)量少，速度快[1]。（剩余6179字）