基于YOLO模型对小目标检测综述
文子嘉
张深
马璿
西藏民族大学,咸阳 712082
摘要：因YOLO模型出色的性能表现而被广泛应用于工业、农业等多个领域.并且YOLO系列基础模型由YOLOv1发展到YOLOv8的过程中不断增强YOLO多尺度融合的能力和优化模型的网络结构,来提升模型性能.而YOLO的其他分支模型则是在YOLO系列的基础模型上,对基础模型的损失函数、主干网络以及多任务等方面进行改进提升.文章主要通过讨论YOLO模型的发展历程,通过研究和探讨YOLO模型对图像中的小目标检测的精准度以及通过对唐卡图像中的缺陷的检测精准度来研究YOLO模型是否能够检测西藏文物.例如YOLO模型是否能够正确识别并分类藏式银器和铜器,由于这两种物体的样式较多,花纹差别较小,因此对模型的性能要求较高.文章对模型的改进重点和策略做了讨论和研究,在学习模式上,YOLO模型可在无监督或弱监督方向寻找改进点.
关键词：YOLO网络结构损失函数西藏文物小目标
资助基金：西藏自治区自然科学基金项目(XZ202001ZR0060G)陕西省教育厅专项科研计划项目(21JK0949)西藏自治区自然科学基金项目(XZ202001ZR0022G)
论文发表日期：2024-05-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：13( 64-76 )
英文信息