基于改进的YOLOv8算法在实践教学视频融合系统中的应用

来源：计算机应用与软件杂志2025年第5期北京时间：

作者：朱列

摘要：为了实现新能源汽车实践教学站点智慧管理，提升教学站点安全管理能力，针对新能源汽车教学站点存在的学员遮挡问题，提出一种改进的YOLOv8目标识别算法。通过构建深度过参数化高效聚合网络，借助不同卷积校对各通道进行计算，从而强化目标未遮挡部分的特征提取能力；为了增强对目标遮挡的识别，使用多层自注意力机制SwiftFormerEncoder替换YOLOv8的C2f模块中的Bottleneck，增强遮挡部分网络特征提取能力；为了提升视频中特征信息识别速度，在模型卷积中进行基于BN层的通道剪枝，并使用UloU改进损失函数，在提升模型密集场景识别率的同时减少模型内存占有率。该文所述改进算法在UnrealSynth（虚幻合成数据生成器）进行训练和验证并在实践教学基地自有数据集分别进行测试，测试结果表明改进后的模型mAP达到0.955。在视频融合识别系统中应用结果表明，该模型在提升识别速度的同时，可以有效提升识别精度，整体性能更优。

关键词：遮挡物, 改进YOLOv8, 目标识别, 视频融合