摘 要: | 提出一种基于YOLOv8n算法改进的YOLOv8n-MG算法,用于解决目标小、遮挡重叠、算法参数量大等问题。首先,引入GSConv和VoV-GSCSP模块降低算法复杂度,提高算法对缺陷粗糙边缘的检测能力;其次,使用轻量级的上采样算子Carafe替换原有的传统上采样,保留更多的细节特征;最后,引入混合局部通道注意力(MLCA)机制,以较低的计算成本和参数量保留更多的空间特征信息,并利用Adam优化器提高算法对复杂参数空间的学习能力。结果表明:优化后的算法与YOLOv8n算法相比,参数量减少了11.3%,检测帧率提高了7.7%,平均精度提高了2.8%。
|