基于MYOLOv8的目标检测方法

来源：计算机测量与控制杂志2025年第1期北京时间：

作者：张正勃,曹爱岷,王兴盛

单位：西安交通工程学院

摘要：针对当前的目标检测方法难以表征多尺度上下文特征的问题，提出了MYOLOv8算法；为了提高YOLOv8模型对于小、中、大型目标的检测能力，提出了一种分层多尺度提取模块对空间特征进行分层特征聚合来捕获多尺度空间上下文信息；为了进一步提高模型对于空间语义的提取能力，提出了一种自适应的通道注意力机制，该机制通过自适应地学习相邻通道之间的相互依赖关系来促进模型关注有用特征，抑制无用特征；为了提高模型对于边界困难样本的定位能力，提出了一种Slide Loss来处理目标检测中的样本不平衡问题，该方法采用对困难样本进行强加权的方式来促使模型着重优化难分样本；在MS COCO数据集上的实验结果表明，所提出的算法相比于YOLOv8-n和YOLOv8-s，mAP分别提升了3.4%和1.4%，同时具有相似的参数量和计算开销，以及更快的推理速度。

关键词：目标检测;多尺度上下文;分层特征聚合;注意力机制;样本不平衡

基金资助：西安交通工程学院中青年基金(2022KY-33)；陕西省教育厅科学研究计划项目(23JK0529)。