YOLOESD 基于改進(jìn)YOLOv8的海洋垃圾圖像檢測

打開文本圖片集

摘 要：海洋垃圾不僅嚴(yán)重威脅海洋動(dòng)物的健康及其棲息地，由其釋放的有毒物質(zhì)進(jìn)入食物鏈后對(duì)人類身體健康同樣造成消極影響。由于海洋圖像受到光照投影的影響，并且垃圾的尺寸通常較小，以往的目標(biāo)檢測算法對(duì)海洋垃圾的檢測性能并不理想，因此提出了一種基于YOLOv8網(wǎng)絡(luò)模型的改進(jìn)算法（YOLOESD），該算法共有三個(gè)改進(jìn)點(diǎn)：首先，采用Stemblock模塊替換了模型的初始卷積，在減少模型參數(shù)量的同時(shí)，提高模型檢測的精確度；其次，融合高效多尺度注意力模塊（EMA），有效減少了模型的漏檢和誤檢問題；最后，在原模型的頭部額外增加一個(gè)小目標(biāo)檢測頭，提高模型對(duì)小尺度目標(biāo)的敏感度。（剩余8778字）