文件大小：1.39M
摘要：针对近年来频发的船桥相撞事故，深入分析了现有桥梁主动防船撞方法的不足，设计并实现了一种基于改进YOLOv8和ByteTrack算法的航道船舶识别与追踪方法。在YOLOv8网络结构的主干网络和颈部网络之间引入了3个卷积块注意力模块(convolutional block attention module， CBAM)，以增强模型对关键特征的捕捉能力。此外，采用了ByteTrack算法来提高船舶追踪的准确性和鲁棒性，并进行对比实验分析。结果表明，改进后的模型在多目标追踪准确性（MOTA）和识别准确度（IDF1）上分别达到了79.8%和84.5%，相比原始YOLOv8模型有了约5%的精度提升，且相比于一些其他主流注意力机制模块的提升也更高。在图像处理速度方面，改进方法相对于多目标追踪算法Bot-SORT算法图像处理速度要快约56%，处理相同目标图像耗时更少。
文章目录
1 模型结构与原理
1.1 改进YOLOv8网络结构
1.2 CBAM注意力机制模块
1.3 ByteTrack追踪算法及流程
2 复杂场景的数据集构建
2.1 试验环境与配置参数
2.2 评价指标
2.3 结果分析
2.3.1 目标识别结果
2.3.2 目标追踪结果
3 结论
