一种基于YOLOV8s改进的布匹瑕疵检测方法

本发明涉及布匹瑕疵检测，具体是一种基于yolov8s改进的布匹瑕疵检测方法。

背景技术：

1、yolov8s作为一种实时目标检测算法，已在多个领域展现了出色的性能。然而，在布匹瑕疵检测任务中，由于其对于小目标和复杂背景的识别能力有限，仍需进一步优化。

2、在现有的布匹瑕疵检测中，由于布匹瑕疵种类繁多、形态各异，且往往具有较小的尺寸和不易察觉的特性，因此传统的目标检测方法往往难以达到理想的检测效果。为了提升布匹瑕疵检测的准确性和效率，本发明在yolov8s的基础上进行了重要改进。

技术实现思路

1、本发明要解决的技术问题就是克服以上的技术缺陷，提供一种基于yolov8s改进的布匹瑕疵检测方法。

2、为了解决上述问题，本发明的技术方案为，包括以下步骤：

3、s1、在yolov8s模型中引入了dcnv2模块；

4、s2、在yolov8s模型中引入了polarized self-attention模块，所述polarizedself-attention模块通过引入极化滤波的概念来优化自注意力的计算方式；

5、s3、在yolov8s原有的3个检测头的基础上，所述在1/4分辨率特征图的位置引入一个检测头。

6、进一步，所述步骤s2中polarized self-attention通过极化滤波来减少需要计算的位置对，所述polarized self-attention不是在所有位置对之间计算注意力，而是选择性地计算部分位置对之间的注意力，从而降低了计算复杂度。

7、进一步，所述步骤s2中polarized self-attention利用矩阵乘运算降低特征图维度，所述可以在保持高分辨率特征的同时进行注意力计算，从而减少了信息损失。

8、进一步，所述dcnv2通过引入偏移量处理具有复杂形变和尺度变化的目标，所述使得卷积核能够自适应地调整其形状和位置，以更好地适应目标物体的形变。

9、进一步，所述步骤s2中polarized self-attention同时结合了通道注意力和空间注意力，所述polarized self-attention不仅关注不同通道之间的关系，还关注空间位置上不同像素之间的关系。

10、进一步，所述步骤s3中在模型的浅层添加检测头，可以有效地提高小目标的检测准确率。

11、本发明与现有的技术相比的优点在于：

12、1.本发明提供一种基于yolov8s改进的布匹瑕疵检测方法，dcnv2(deformableconvolutional networks v2)是一种可变形卷积网络，它通过在卷积过程中引入偏移量，使得卷积核能够自适应地调整其形状和位置，从而更好地适应目标物体的形变和尺度变化。在布匹瑕疵检测中，dcnv2能够有效应对瑕疵形态的多样性和尺度变化，提高检测的准确性和鲁棒性；

13、2.本发明提供一种基于yolov8s改进的布匹瑕疵检测方法，polarized self-attention是一种新型的注意力机制，它通过引入极化因子来减少需要计算的位置对之间的注意力，从而提高自注意力模型的效率。在布匹瑕疵检测中，polarized self-attention能够帮助模型更加聚焦于瑕疵区域，减少对背景区域的关注，从而提升检测精度；

14、3.本发明提供一种基于yolov8s改进的布匹瑕疵检测方法，小目标检测头则是专门针对布匹瑕疵中的小目标进行设计的检测模块。由于布匹瑕疵往往尺寸较小，容易被忽视或误检，因此本发明通过引入小目标检测头，增强了对小尺寸瑕疵的检测能力。该检测头通过优化锚点框的大小和宽高比等参数，以及采用更精细的特征融合策略，提高了对小目标的检测灵敏度和准确性。

1.一种基于yolov8s改进的布匹瑕疵检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于yolov8s改进的布匹瑕疵检测方法，其特征在于：所述dcnv2通过引入偏移量处理具有复杂形变和尺度变化的目标，所述使得卷积核能够自适应地调整其形状和位置，以更好地适应目标物体的形变。

3.根据权利要求1所述的一种基于yolov8s改进的布匹瑕疵检测方法，其特征在于：所述步骤s2中polarized self-attention通过极化滤波来减少需要计算的位置对，所述polarized self-attention不是在所有位置对之间计算注意力，而是选择性地计算部分位置对之间的注意力，从而降低了计算复杂度。

4.根据权利要求1所述的一种基于yolov8s改进的布匹瑕疵检测方法，其特征在于：所述步骤s2中polarized self-attention同时结合了通道注意力和空间注意力，所述polarized self-attention不仅关注不同通道之间的关系，还关注空间位置上不同像素之间的关系。

5.根据权利要求1所述的一种基于yolov8s改进的布匹瑕疵检测方法，其特征在于：所述步骤s2中polarized self-attention利用矩阵乘运算降低特征图维度，所述可以在保持高分辨率特征的同时进行注意力计算，从而减少了信息损失。

6.根据权利要求1所述的一种基于yolov8s改进的布匹瑕疵检测方法，其特征在于：所述步骤s3中在模型的浅层添加检测头，可以有效地提高小目标的检测准确率。