基于改进YOLOv8算法的谷子田杂草检测

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘要：

针对谷子田环境复杂、杂草种类众多、杂草分布密集的特点导致识别精度低的问题，提出一种基于YOLOv8的改进模型。通过加入CloFormer结构来减少YOLOv8算法计算量并提高识别精度，使用Global和Local的注意力与c2f模块进行融合，使用AttnConv共享权重来整合局部信息，部署上下文感知权重来增强局部特征；为进一步提高识别精度，另外添加Gam注意力机制，与当前较先进的注意力机制进行对比试验，并与YOLO各系列模型进行对比试验。（剩余11522字）

试读结束

目录
monitor