EPBC-YOLOv8：基于注意力机制的改进型YOLOv8水下检测器
计算机视觉与模式识别
2025-02-11 v1 人工智能
摘要
本研究通过集成通道注意力和空间注意力机制于YOLOv8的骨干网络中，应用更快NeXt中的点卷积（Pointwise Convolution）构建FasterPW模型，并在受BiFPN启发的WFPN结构中利用加权拼接（Weighted Concat）以提高跨尺度连接和鲁棒性。利用CARAFE进行特征细化重组，该框架针对水下图像退化问题进行了改进，使其在URPC2019和URPC2020数据集上分别实现了0.5分数下的mAP为76.7%和79.0%。这些得分分别比原始YOLOv8高出2.3%和0.7%，展示了在检测海洋生物时的精度提升。
引用
@article{arxiv.2502.05788,
title = {EPBC-YOLOv8: An efficient and accurate improved YOLOv8 underwater detector based on an attention mechanism},
author = {Xing Jiang and Xiting Zhuang and Jisheng Chen and Jian Zhang},
journal= {arXiv preprint arXiv:2502.05788},
year = {2025}
}