计算机科学与探索

作者：朱玉敏, 孙光灵, 缪飞

单位：1. 安徽建筑大学 电子与信息工程学院，合肥 2306012. 合肥工业大学 智能互联系统安徽省实验室，合肥 230009

关键词：目标检测,YOLOv8,注意力机制,鱼眼图像

基金：国家自然科学基金（62001004）；2023年安徽省住房城乡建设科学技术计划项目（2023-YF058，2023-YF113）；安徽省高等学校科学研究重点项目（2023AH050164）。

针对现有目标检测算法在鱼眼图像下行人检测中存在定位不准确、检测精度不足等问题，提出了一种面向鱼眼图像检测的YOLOv8改进算法。该方法通过加入角度参数，设计了ProbIoU-r算法，利用缩放因子调整角度差异对损失的影响，增强模型在梯度计算中对边界框角度偏移的关注，解决了原始IoU在旋转目标检测定位不精确、边界框拟合效果差等问题，使YOLOv8网络模型具有更好感知旋转目标的能力。为提高模型对鱼眼图像失真目标的特征提取能力同时提升检测精度，提出以多尺度卷积和注意力机制为分支的Parnet-gcs模块，通过不同卷积核的DWConv提取不同尺度的特征信息，并结合CA和SA模块以增强模型特征表达能力。实验采用公开的鱼眼图像数据集WEPDTOF，改进后算法相比原始YOLOv8s检测精度mAP0.50:0.95增加了2.3个百分点；相比YOLOv8m算法参数量减少了38.8%，同时精度mAP0.50:0.95也高出0.5个百分点，说明基于YOLOv8s改进后的算法能够更好适用于鱼眼图像下行人检测任务。

来源：2025年第2期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2025年第2期