Home > Current

基于YOLOv8的危险标志识别算法

韩一凡 （ 北京信息科技大学计算机学院 ）

李华添 （ 北京信息科技大学计算机学院 ）

朱俊毅 （ 北京信息科技大学计算机学院 ）

肖舒予 （ 北京信息科技大学计算机学院 ）

司鹏越 （ 北京信息科技大学计算机学院 ）

https://doi.org/10.37155/2717-5170-0606-65

Abstract

随着深度学习技术的不断进步，目标检测作为计算机视觉领域中的关键技术已被广泛应用于视频监控、 智能交通、无人驾驶等多个领域。You Only Look Once （YOLO）作为一种经典的目标检测算法，自YOLOv1起便以其 高效的检测速度和良好的实时性受到了研究者们的重视。针对最新版本的YOLOv8算法进行研究，分析其网络结构的 优化及性能提升，利用YOLOv8的实时目标检测能力，通过对危险标志的特征进行深度学习，实现了对各种危险标志 的高效识别，为实时危险标志识别提供了一种有效的解决方案，对于助力灾后救援机器人的救援有重要的实际意义.

Keywords

目标检测；深度学习；YOLOv8；危险标志

Full Text

PDF

References

[1]高伟锋.基于YOLOv8的柑橘病虫害识别系统研究
与设计[J].智慧农业导刊,2023,3(15): 27-30.
[2]张泽骏,李健钊,吴武林,钟洁凤,吴亚榕,林钦永.基于
分量分割与YOLOv8s的红火蚁蚁巢识别[J].现代信息科技,
2023,7(20):66-74.
[3]王晨灿,李明.基于YOLOv8的火灾烟雾检测算法研
究[J].北京联合大学学报,2023,37(05):69-77.

Copyright © 2024 韩一凡,李华添,朱俊毅,肖舒予,司鹏越 Creative Commons License Publishing time:2024-06-30
This work is licensed under a Creative Commons Attribution 4.0 International License