YOLOv5与YOLOv8在动态机器人环境中的精度与适应性
机器人学
2024-06-04 v1 计算机视觉与模式识别
摘要
实时目标检测框架的最新进展激发了对其在机器人系统中应用的广泛研究。本研究提供了YOLOv5和YOLOv8模型的比较分析，挑战了后者在性能指标上优越的普遍假设。与初始预期相反，YOLOv5模型在目标检测任务中表现出相当甚至在某些情况下更高的精度。我们的分析深入探讨了导致这些发现的基本因素，考察了模型架构复杂性、训练数据集差异和实际适用性等方面。通过严格的测试和消融研究，我们提供了对每个模型能力的细致理解，为机器人应用中目标检测框架的选择和优化提供了见解。这项研究的意义延伸到设计更高效和上下文自适应的系统，强调了评估模型性能时采用整体方法的必要性。
引用
@article{arxiv.2406.00315,
title = {Precision and Adaptability of YOLOv5 and YOLOv8 in Dynamic Robotic Environments},
author = {Victor A. Kich and Muhammad A. Muttaqien and Junya Toyama and Ryutaro Miyoshi and Yosuke Ida and Akihisa Ohya and Hisashi Date},
journal= {arXiv preprint arXiv:2406.00315},
year = {2024}
}
备注
11th IEEE International Conference on Cybernetics and Intelligent Systems (CIS)