1 论文标题：基于YOLOv8n的甲骨文图像识别技术研究

2 作者信息：张振文*, 黄柏锋*, 韦易霖, 覃 军：桂林信息科技学院机电工程学院，广西 桂林；刘映伶#：桂林信息科技学院基础教研部，广西 桂林

3 出处和链接：张振文, 黄柏锋, 韦易霖, 覃军, 刘映伶. 基于YOLOv8n的甲骨文图像识别技术研究[J]. 图像与信号处理, 2025, 14(4): 467-485. https://doi.org/10.12677/jisp.2025.144043

4 摘要：随着深度学习技术的发展，物体检测算法在图像识别领域取得了显著进展。针对甲骨文图像识别技术的研究，本文基于YOLOv8n框架构建了一种高效的甲骨文物体检测与分类方法。通过数据预处理、数据增强、模型训练、模型预测等环节，结合CSPDarknet骨干网络、PAFPN特征金字塔和CIoU损失函数，提升了检测精度。该验证结果表明目标检测模型的P值和召回率R分别达到0.855和0.807，其中mAP@0.5的指标达到0.876，mAP@[0.5:0.95]的值为0.53。分类模型的准确率高达93.6%，比YOLOv5提高了6.6%。本研究为甲骨文的数字化与智能分析提供了新的技术方案，探索了提高识别与分类精度及泛化能力的方法。