来源：期刊VIP网 时间：
作者：陈思涵 ;刘勇 ;何祥 ;
单位：四川轻化工大学自动化与信息工程学院;人工智能四川省重点实验室;
摘要：针对工厂中行人检测算法精度不足，存在误检、漏检等问题，提出一种基于改进YOLOv8的工厂行人检测算法。首先，在YOLOv8的C2f模块中引入卷积块注意力机制模块（CBAM），以帮助主干网络聚焦于关键特征并抑制非关键特征，从而提升模型对遮挡物和小目标的检测准确度；其次，在Neck网络中将卷积神经网络Conv模块替换成CoordConv模块，以充分利用该模块的定位能力，从而解决目标检测中的定位准确性问题，提升模型对空间位置的感知能力；最后，采用Inner-IoU损失函数替代原始的CIoU损失函数，来提高目标检测边界框的回归精度。在自制的工厂行人图像数据集（3 600张图像）上进行了训练和测试，实验结果表明：相较于基础YOLOv8算法，改进YOLOv8算法在平均精度均值（mAP）和每秒帧率（FPS）方面分别提高了2.26%和35.6 f/s，验证了改进算法在检测性能上的提升。
关键词：行人检测;;YOLOv8算法;;深度学习;;卷积块注意力机制模块(CBAM);;CoordConv;;Inner-IoU损失函数
基金资助：四川省科技计划项目（22ZFSHFZ0001）
