CN117115736B 基于FocalNeXtFold聚焦堆疊塊的YOLOv8密集行人檢測方法 （淮陰工學院）_第1頁
CN117115736B 基于FocalNeXtFold聚焦堆疊塊的YOLOv8密集行人檢測方法 （淮陰工學院）_第2頁
CN117115736B 基于FocalNeXtFold聚焦堆疊塊的YOLOv8密集行人檢測方法 （淮陰工學院）_第3頁
CN117115736B 基于FocalNeXtFold聚焦堆疊塊的YOLOv8密集行人檢測方法 （淮陰工學院）_第4頁
CN117115736B 基于FocalNeXtFold聚焦堆疊塊的YOLOv8密集行人檢測方法 （淮陰工學院）_第5頁
已閱讀5頁，還剩9頁未讀， 繼續免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

基于FocalNeXtFold聚焦堆疊塊的YOLOv8密本發明公開了一種基于FocalNeXtFold新型FocalNeXtFoldBlock；步驟S3：基于步驟S2，head部分采用可加強非相鄰層的直接交互的網的數據集對步驟S4中改進后的YOLOv8模型進行模型對待檢測的數據進行檢測，并輸出檢測結果。通過替換主干網C2f塊為新型聚焦堆疊塊塊形成FocalNeXtFold堆疊塊，提升密集行人檢21.基于FocalNeXtFold聚焦堆疊塊的YOLOv8密集行人檢測方法，其特征在于，包括步步驟S2：改進YOLOv8網絡，將Backbone主干網中所有C2f模塊全部替換為聚焦堆疊塊FocalNeXtFoldBlock，聚焦堆疊塊FocalNeXtFoldBlock包括cv1卷積層、n個步驟S5：利用劃分好的數據集對步驟S4中改進后的YOL2.如權利要求1所述的基于FocalNeXtF3.如權利要求1所述的基于FocalNeXt4.如權利要求1所述的基于FocalNeXtFold聚焦3基于FocalNeXtFold聚焦堆疊塊的Y[0001]本發明涉及密集行人檢測技術，具體涉及一種基于FocalNeXtFold聚焦堆疊塊的改、損失函數的修改，以此來提高對目標檢測物體的精確度、召回率和平均精度均值。[0005]本發明設計了一種基于FocalNeXtFold聚焦堆疊塊的YOLOv8密集行人檢測方法，通過替換主干網C2f塊為新型聚焦堆疊塊FocalNeXtFold，通過堆疊若干FocalNeXtblock[0006]本發明公開的技術方案如下：基于FocalNeXtFold聚焦堆疊塊的YOLOv8密集行人4[0019]本發明通過替換主干網C2f塊為新型聚焦堆疊塊FocalNeXtFold，通過堆疊若干[0020]YOLOv8的head部分變更為AFPN漸近特征金字塔網絡，由多個Conv卷積、ASFF、[0021]為提高密集行人場景下目標檢測的精度，將原損失函數CIoU變更為新VariFocal5[0045]FocalNextFoldBlock結構通過多個FocalNextBlock對輸入特征進行逐步的變換[0046]步驟S3：基于YOLOv8網絡，將YOLOv8head部分中的結構全部替換，由包含多個捕捉目標的不同尺度和上下文信息。這有助于提升模型對不同尺度物體的檢測和識別能6

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論