研究文章
基于改进 YOLOv8 的轻量型目标检测算法研究
摘要
传统YOLOv8检测精度高、通用性强，但模型参数量大、计算负担重，难以部署在树莓派等低算力边缘设备。轻量化的YOLOv8n 虽速度更快，却存在小目标漏检、遮挡目标定位不准、特征提取能力不足等问题。为此，本文在 YOLOv8n 基础上改进，提出轻量检测算法 LW-YOLOv8。通过 Ghost 卷积重构主干 C2f 模块以降低参数量，利用 GSConv 结合 CARAFE 上采样优化特征融合，引入轻量化 EMA 注意力机制弥补精度损失，并采用 Wise-IoU v3 损失函数提升小目标与遮挡目标的回归精度。实验结果表明，相较于原始 YOLOv8n，改进模型参数量下降 31.7%，推理速度明显提升，mAP@0.5 提高2.1%，有效平衡检测精度与推理速度，适用于边缘设备实时检测场景。
关键词
YOLOv8；轻量化网络；Ghost卷积；EMA注意力机制；Wise-IoU；目标检测；边缘部署
参考
赵永强, 陈勇. 基于深度学习的目标检测算法研究综述[J]. 计算机工程与应用, 2022, 58(12):1-12.
王浩, 李阳. 基于轻量化YOLOv8的小目标检测算法[J]. 计算机应用与软件, 2024, 41(03):201-207.
刘博文, 张佳. 基于Ghost卷积的轻量化YOLO目标检测算法[J]. 电子技术应用, 2023, 49(08):35-39.
陈明, 周明. 基于注意力机制的轻量化目标检测算法研究[J]. 信息技术, 2024, 48(02):89-94.
Ultralytics. YOLOv8 Official Repository[EB/OL]. https://github.com/ultralytics/ultralytics, 2023.
Han K, Wang Y, Tian Q, et al. GhostNet: More Features from Cheap Operations[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2020: 1580-1589.
李军, 吴鑫. 基于Wise-IoU的改进YOLOv8检测算法[J]. 现代电子技术, 2024, 47(05):78-82.
