【目标检测论文解读复现NO.36】基于改进 YOLOv8 的轻量化小麦病害检测方法

前言
此前出了目标改进算法专栏,但是对于应用于什么场景,需要什么改进方法对应与自己的应用场景有效果,并且多少改进点能发什么水平的文章,为解决大家的困惑,此系列文章旨在给大家解读最新目标检测算法论文,帮助大家解答疑惑。解读的系列文章,本人已进行创新点代码复现,有需要的朋友可关注私信我。本文仅对论文代码实现,如果原文章的作者觉得不方便,请联系删除,尊重每一位论文作者。

一、摘要

为提高小麦病害检测精度,实现将模型方便快速部署到移动端,该研究提出了一种基于改进 YOLOv8 的轻量 化小麦病害检测方法。首先,使用 PP-LCNet 模型替换 YOLOv8 网络结构的骨干网络,并在骨干网络层引入深度可分离 卷积(depthwise separable convolution, DepthSepConv)结构,减少模型参数量,提升模型检测性能;其次,在颈部网 络部分添加全局注意力机制(global attention mechanism, GAM)模块,强化特征中语义信息和位置信息,提高模型特 征融合能力;然后,引入轻量级通用上采样内容感知重组(content-aware reassembly of features,CARAFE)模块,提高 模型对重要特征的提取能力;最后,使用 Wise-IoU(weighted interpolation of sequential evidence for intersection over union)边界损失函数代替原损失函数,提升网络边界框回归性能和对小目标病害的检测效果。试验结果表明,对于大 田环境下所采集的小麦病害数据集,改进后模型的参数量及模型大小相比原 YOLOv8n 基线模型分别降低了 12.5 和 11.3 个百分点,同时精确度(precision)及平均精度均值(mean average precision,mAP)相较于原模型分别提高了 4.1 和 2.5 个百分点,优于其他对比目标检测算法,可为小麦病害检测无人机等移动端检测装备的部署和应用提供参考。

二、网络模型及核心创新点

这篇文章改进点都比较简单,实验结果较好,不仅轻量化了同时精度还提高了。创新点方面就四个比较简单。

**注:**论文原文出自 马超伟,张浩,马新明,等. 基于改进 YOLOv8 的轻量化小麦病害检测方法[J]. 农业工程学报,2024,40(5):187-195. doi: 10.11975/j.issn.1002-6819.202309211.

解读的系列文章,本人已进行创新点代码复现。

相关推荐
Toky丶几秒前
【文献阅读】Vision-Language Models for Vision Tasks: A Survey
人工智能·语言模型·自然语言处理
小白狮ww6 分钟前
Retinex 算法 + MATLAB 软件,高效率完成图像去雾处理
开发语言·人工智能·算法·matlab·自然语言处理·图像识别·去雾处理
掘金安东尼13 分钟前
用 Python 搭桥,Slack 上跑起来的 MCP 数字员工
人工智能·面试·github
skywalk816317 分钟前
体验智谱清言的AutoGLM进行自动化的操作(Chrome插件)
运维·人工智能·自动化·glm·autoglm
Chaos_Wang_38 分钟前
NLP高频面试题(三十)——LLama系列模型介绍,包括LLama LLama2和LLama3
人工智能·自然语言处理·llama
新智元44 分钟前
美国 CS 专业卷上天,满分学霸惨遭藤校全拒!父亲大受震撼引爆热议
人工智能·openai
新智元1 小时前
美国奥数题撕碎 AI 数学神话,顶级模型现场翻车!最高得分 5%,DeepSeek 唯一逆袭
人工智能·openai
Baihai_IDP1 小时前
「DeepSeek-V3 技术解析」:无辅助损失函数的负载均衡
人工智能·llm·deepseek
硅谷秋水1 小时前
大语言模型智体的综述:方法论、应用和挑战(下)
人工智能·深度学习·机器学习·语言模型·自然语言处理