龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：东北林业大学
摘要：本发明涉及计算机视觉与生态监测技术领域，公开了一种基于YOLOv8的复杂环境中鸟类小目标检测方法，该方法通过在YOLOv8的卷积模块中引入感受野注意力ReceptiveFieldAttention,RFA和坐标注意力CoordinateAttention,CA机制，优化了注意力权重在感受野特征中的共享，并增强了对远距离信息的处理能力。此外，提出了具有长程依赖性和自适应能力的SPPF‑LSKA模块，有效减少湿地复杂背景对鸟类检测的干扰。进一步的，使用改进的BiFPN‑P2D结构连接P2特征层进行特征融合，增强了跨尺度特征的融合效果。在上采样阶段，引入内容感知特征重组模块，加强对小目标显著语义信息的关注。实验结果表明，本发明在湿地复杂环境中进行鸟类目标检测的有效性及其广泛的应用前景。
主权项：1.一种基于YOLOv8的复杂环境中鸟类小目标检测方法，其特征在于，包括以下步骤：步骤一：收集并标注湿地鸟类图片数据，并对图像进行预处理生成湿地鸟类目标检测数据集；步骤二：对湿地鸟类目标检测数据集按设定比例分为训练集、验证集；步骤三：通过引入了RFCAConv感受野坐标特征融合模块、使用BiFPN-P2D在Neck部分进行特征融合、CAPAFE模块和改进的SPPF-LSKA模块来优化YOLOv8目标检测算法，构建基于YOLOv8改进的湿地复杂环境中鸟类小目标检测算法；步骤四：使用基于改进的YOLOv8模型，对训练集和验证集进行训练，得到最优的湿地鸟类小目标检测模型；步骤五：将待检测的湿地场景中的鸟类图片输入最优的湿地鸟类小目标检测模型，得到检测结果。
全文数据：
权利要求：
百度查询： 东北林业大学 一种基于YOLOv8的复杂环境中鸟类小目标检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号