基于优化YOLOv8的唐卡图像目标检测方法

• 全文链接
• 请求原文

作   者：

程维龙;  僧冰枫;  刘晓静; 

作者机构：

青海大学计算机技术与应用学院; 

关键词：

级联融合网络;  跨尺度连接;  回归损失函数;  唐卡图像目标检测;  YOLOv8模型; 

期刊名称：

软件导刊

i s s n：

1672-7800

年卷期：

2025 年 24 卷 001 期

页   码：

102-108

摘   要：

唐卡中的元素绘制复杂且存在的多尺度情况会影响目标检测技术任务的准确度。为此，提出一种优化YOLOv8模型的唐卡元素目标检测方法。首先，采用级联融合网络提取图像特征，并将特征提取参数用于后续的特征融合，以有效增加参数利用效率；其次，借鉴双向特征金字塔网络的思想，在同一层的特征信息传递层中增加一条额外的路径实现跨尺度连接，以提升模型特征融合能力；最后，在检测头的回归损失函数中引入ElOU-Loss和ClOU-Loss，考虑边界框回归的多种因素，结合宽高和宽高比参数来提升模型目标定位效率和准确率。实验表明，优化后的YOLOv8模型相较于原有模型参数量、计算量分别下降7.21%、7.23%,mAP50、mAP50-95分别提升3.72%、4.55%；相较于其他目标检测算法优势明显；消融实验也验证了不同改进模块对模型的积极作用。