【基于改进YOLOv8注意力机制的烟头检测】为了解决公共场所烟头检测任务中烟头目标尺寸小、背景复杂造成传统检测模型漏检率高的问题，本文提出一种改进YOLOv8的烟头检测方法。该算法是在YOLOv8原始网络的基础上加上SE、CBAM、CAA多注意力模块，提高网络的特征提取能力，再根据烟头检测任务的特点提出了一种小目标数据增强方法和自适应损失权重调整。经过改进后的模型，在自建的烟头检测数据集上，平均精度均值mAP50达到了0.773，比原来的YOLOv8提高了2.2个百分点，漏检率由原来的32.1%降低到30.1%，R和mAP50-90分别提升了0.6和0.8个百分点，有效地提高了小目标烟头的检测性能，可以满足公共场所实时禁烟监控的应用要求。#毕业论文# #论文投稿咨询# #学术论文# #期刊论文# #论文写作# #汉斯出版社#

董骏辉, 丁富强, 秦喜喜, 薛小维. 基于改进YOLOv8注意力机制的烟头检测[J]. 计算机科学与应用, 2026, 16(7): 47-58. http://t.cn/AXKRMiHN
论文投稿咨询移步汉斯出版社公众号联系小编