| 基于改進(jìn)YOLOv8的輕量化雜草識(shí)別算法研究 | |
| 所屬分類：技術(shù)論文 | |
| 上傳者：wwei | |
| 文檔大小：4105 K | |
| 標(biāo)簽： 雜草識(shí)別 PP-LCNet Effcient-RepGFPN | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：針對(duì)目前田間雜草識(shí)別模型精度低，以及參數(shù)多難以滿足在計(jì)算資源有限的移動(dòng)設(shè)備和嵌入式設(shè)備中部署的問題，提出一種基于YOLOv8的輕量化田間雜草識(shí)別模型。該模型使用改進(jìn)后的PP-LCNet替代原有主干網(wǎng)絡(luò)，保證精度的前提下減少模型的計(jì)算量；其次引入Effcient-RepGFPN來作為頸部網(wǎng)絡(luò)，并將上采樣前的兩個(gè)CSPStage模塊使用RFAConv來替代，利用不同尺度的特征來提高目標(biāo)檢測(cè)的性能；最后，更換MPDIoU損失函數(shù)，增強(qiáng)了模型的收斂性和穩(wěn)定性。實(shí)驗(yàn)結(jié)果表明，改進(jìn)模型與原模型相比準(zhǔn)確率提升了2.1%，召回率提升了2.8%，mAP值提升了0.2%，同時(shí)模型的大小與計(jì)算量分別減少為原始模型的68.2%和62.6%，體現(xiàn)了改進(jìn)算法的有效性。 | |
| 現(xiàn)在下載 | |
| VIP會(huì)員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。 | |
雜草識(shí)別 相關(guān)資源
wwei 的最新分享
- 數(shù)字經(jīng)濟(jì)下跨境避稅與反避稅規(guī)則研究
- 生成式人工智能在偵查訊問中的應(yīng)用——基礎(chǔ)、嘗試、風(fēng)險(xiǎn)及對(duì)策建議
- 司法自動(dòng)化決策的紓困原理與算法解釋權(quán)路徑展開
- 藏文網(wǎng)絡(luò)敏感信息檢測(cè)研究
- 醫(yī)療人工智能領(lǐng)域同意規(guī)則的困境與出路
- 元宇宙環(huán)境中版權(quán)保護(hù)的邏輯轉(zhuǎn)型與規(guī)則發(fā)展
- 數(shù)據(jù)分級(jí)分類授權(quán)確權(quán)的空間治理之道——基于國(guó)內(nèi)外數(shù)據(jù)管理實(shí)踐展開
- 基于數(shù)據(jù)中臺(tái)的地理信息要素融合治理的構(gòu)想與實(shí)踐
Copyright ? 2005-2024 華北計(jì)算機(jī)系統(tǒng)工程研究所版權(quán)所有 京ICP備10017138號(hào)-2