基于YOLOv8n的轻量化鱼类检测算法

打开文本图片集

摘  要： 目前极区是通过声呐探测结合人工捕捞统计的方法对鱼类进行监测考察，该方法受经济成本和作业区域、时间的限制。基于深度学习的目标检测算法可在满足经济性要求的同时对鱼类进行识别检测，然而传统的目标检测算法往往参数量、计算量较大，无法适应极区能耗、存储受限的严苛条件。针对这一问题，文中提出一种改进YOLOv8n的轻量化鱼类检测算法，在骨干和颈部网络中使用GhostC2f代替C2f，用GhostConv代替网络中部分Conv；在骨干网络中引入EMA注意力机制，以提高特征提取能力；最后，使用计算过程更简单的MPDIoU损失函数代替CIoU，提高检测速度。（剩余12189字）