基于YOLOv8n的单一类别检测模型改进

打开文本图片集

中图分类号：TP391文献标志码：A

目标检测是计算机视觉领域中的一项重要技术，其利用图像分类与边界框回归进行对象识别与定位。传统检测根据手工特征采用机器学习算法，但是精度与泛化能力偏弱。随着算力提升，基于深度学习的目标检测模型逐渐成为该领域的主流方法。模型主要分为2类：一是2阶段检测模型（例如R-CNN、Fast-RCNN），先生成候选区域，再提取特征，精度高，但是计算成本高；二是单阶段检测模型（例如YOLO、单次多框检测器（SingleShotMultiBoxDetector，SSD）），直接经过一次前向推理生成预测结果，参数量少，速度快[1]。（剩余6179字）