每天一篇《目标检测》文献（一）

最新推荐文章于 2026-06-10 17:15:13 发布

原创

最新推荐文章于 2026-06-10 17:15:13 发布 · 1.9k 阅读

今天看的是《改进 YOLOv8 的轻量化密集行人检测方法》。

4.3 空间金字塔池化改进（SPPELAN_BiFPN）

4.4 损失函数优化（Focal_Shap-IoU）

一、摘要

针对密集行人检测存在小目标检测精度低、模型复杂的问题,提出一种改进 YOLOv8 的轻量化密集行人检测方法。引入 DualConv 模块替换原始 Conv 模块,帮助更深的卷积层更有效地提取信息,减少计算冗余并提高检测精度;通过融合 RepViTBlock 结构和分离与增强注意力机制 SEMA(Separated and Enhancement Attention)改进 C2f,构建 RS-C2f 结构,提升模型的泛化和特征融合能力,并降低参数量;设计全新的空间金字塔模块 SPPELAN_BiFPN,使模型对小目标行人检测精度显著提高,同时优化计算效率;采用 Focal_Shape-IoU 作为边界框回归损失函数,加快网络的收敛速度,提高对小目标的检测准确率。实验结果表明,改进模型的 mAP@0.5、Precision 和 Recall 在 CrowdHuman 数据集上提升 2.4%、1.1%和 2.1%,在 WiderPerson 数据集上提升 1.3%、1.0%和 1.7%,同时参数量下降 39.6%。在嵌入式设备上单帧图像平均运行时间为 55.1ms,平均精度为 90.7%,召回率为 82.9%,表明改进模型在保证轻量化的同时提升了检测精度和速度。

二、背景介绍

行人检测是计算机视觉的一项关键技术，随着技术进步，检测技术也不断发展。传统检测主要依靠特征提取和分类器设计，虽然取得不错的成果，但实际应用仍存在问题。近些年，随着深度学习的发展，卷积神经网络（CNN）、区域卷积神经网络（R-CNN）及其衍生模型（Fast R-CNN和Faster R-CNN）都促进了行人检测技术的增长。SSD和YOLO这类实时检测的算法也满足了动态和复杂环境下的检测需求，但在复杂背景且聚集的情况下，检测变得更加困难。

为了解决这些问题，也有许多研究者做出了贡献。尽管效果良好，但仍存在以下的问题：

模型参数较大，复杂度高，不适合资源受限的设备
行人等小尺寸目标分布密集且像素面积小，容易漏检
行人信息容易丢失或特征冗余
数据集目标尺度差异大，边框可能标注不准确，增加低质量样本对锚框回归的干扰

针对以上问题，本文进行了如下的改进：

采用DualConv模块替换Conv模块，减少计算冗余
融合RepViTBlock结构和分离与增强注意力机制SEMA改进C2f，构建RS-C2f结构，降低模型参数量和计算量，实现轻量化
设计SPPELAN_BiFPN空间金字塔模块，避免信息丢失或特征冗余，提升重要特征的表达能力
采用Focal_Shape-IoU作为边界框回归损失函数，减少低质量样本对锚框回归的影响

三、YOLOv8介绍

YOLOv8是对YOLOv5的改进，网络结构如下：

相对于yolov5的改进主要有以下几点：

用C2f替代C3模块，减少冗杂参数，具有更少参数量和更强的特征提取能力
引用自适应NMS算法，调整阈值，减少误检和漏检
采用基于Anchor-Free的检测方式，直接预测目标中心和宽高，减少Anchor框的超参数

四改进结构介绍

针对上述的不足，本文对YOLOv8进行了改进，改进的结构如下：

可以看到，相比于原结构，改进的YOLOv8结构中，将Backbone中的第二三四个C2f模块替换成了RS-C2f模块，第四和第五个CBS模块替换成DualConv模块，输出SPPF替换成了SPPELAN_BiFPN。Neck中第一和第三四个C2f模块也被替换成RS-C2f模块，第二个CBS模块替换成了DualConv模块。在Head中没有修改，都是对三个模块产生的结果进行检测任务。