Bi-YOLO：一种基于YOLOv8改进的轻量化目标检测算法

作者：刘子洋; 徐慧英^*; 朱信忠; 李琛; 王泽宇; 曹雨淇; 戴康佳

来源：计算机工程与科学, 2023, 1-15.

• YOLOv8
• BiFormer
• 轻量化改进
• 目标检测
• 端到端工业部署

以YOLOv8为代表的单阶段目标检测技术，在主干网络中有比较明显的优化，但在颈部层未能高效融合上下文信息，导致在小目标检测方面存在漏检、错检的问题，而且还存在模型参数量大，计算复杂度高的问题，无法满足端到端的工业部署。针对以上的问题，引入基于Transformer架构的BiFormer注意力机制，加强对小目标的检测性能，提升模型的精度；引入GSConv模块，在保证模型性能不受到负面影响的前提下减小模型规模，平衡BiFormer带来的计算量和参数量的提升，设计一种名为Bi-YOLO的目标检测算法，达到轻量化和算法性能的平衡。实验结果表明，Bi-YOLO目标检测算法和YOLOv8n相比，模型精度提高了4.6%，DOTA数据集小目标检测精度提高了2.3%，参数量下降了12.5%。Bi-YOLO有效实现了模型轻量化和性能的平衡，为端到端的工业部署提供了新思路。

• 单位
  浙江师范大学