基于改进YOLOv8算法的小尺度行人检测性能优化研究.docxVIP

基于改进YOLOv8算法的小尺度行人检测性能优化研究

目录

内容概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4

1.1研究背景与意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4

1.2行人检测技术发展概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6

1.2.1传统行人检测方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．7

1.2.2基于深度学习的行人检测方法．．．．．．．．．．．．．．．．．．．．．．．．．．．9

1.3YOLO系列算法介绍．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．13

1.4本文研究目标与内容．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．14

1.5论文结构安排．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．16

相关理论与技术．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．17

2.1深度学习基础．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．18

2.2卷积神经网络．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．21

2.3目标检测技术概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．22

2.3.1两阶段检测器．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．23

2.3.2单阶段检测器．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．24

2.4YOLOv8算法原理详解．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．25

2.4.1网络结构．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．29

2.4.2损失函数．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．30

2.4.3非极大值抑制．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．31

2.5小尺度目标检测面临的挑战．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．33

基于改进YOLOv8的小尺度行人检测算法设计．．．．．．．．．．．．．．．．．33

3.1总体框架设计．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．37

3.2改进策略一．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．38

3.2.1多层次特征提取．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．39

3.2.2特征融合方法改进．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．40

3.3改进策略二．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．42

3.3.1添加定位损失项．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．45

3.3.2融合分类与回归损失．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．46

3.4改进策略三．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．47

3.4.1针对小尺度目标的增强策略．．．．．．．．．．．．．．．．．．．．．．．．．．．．49

3.4.2图像预处理方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．50

3.5改进后算法实现细节．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．52

实验设置与数据集．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．53

4.1实验平台与环境．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．54

4.2数据集介绍与预处理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．58

4.2.1数据集来源与描述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．60

4.2.2数据标注规范．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．62

4.2.3数据集划分．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6