计算机工程与科学

作者：刘子洋, 徐慧英, 朱信忠, 李琛, 王泽宇, 曹雨淇, 戴康佳

单位：浙江师范大学计算机科学与技术学院（人工智能学院）,浙江 金华 321004

关键词：YOLOv8,BiFormer,轻量化改进,目标检测,端到端工业部署,

基金：国家自然科学基金（62376252，61976196）；浙江省自然科学基金重点项目(LZ22F030003)；国家级大学生创新训练计划重点项目（202310345042）

以YOLOv8为代表的单阶段目标检测算法，在骨干网络中有比较明显的优化，但在颈部网络未能高效地融合上下文信息，导致在小目标检测方面存在漏检、错检的问题，并且还存在模型参数量大、计算复杂度高的问题，无法满足端到端的工业部署需求。针对以上问题，引入基于Transformer结构的BiFormer注意力机制，加强对小目标的检测性能，提升算法的精度；引入GSConv模块，在保证算法性能不受到负面影响的前提下减小算法规模。为了平衡BiFormer带来的计算量和参数量的增加，设计了一种名为Bi-YOLO的目标检测算法，以达到轻量化和算法性能的平衡。实验结果表明，Bi-YOLO目标检测算法和YOLOv8n相比，算法精度提高了4.6%，DOTA数据集小目标检测精度提高了2.3%，参数量下降了12.5%。Bi-YOLO有效实现了模型轻量化和性能的平衡，为端到端的工业部署提供了新思路。

来源：2024年第8期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2024年第8期