YOLOv5 vs. YOLOv8 in Marine Fisheries: Balancing Class Detection and Instance Count

本文介绍了使用YOLOv5和YOLOv8进行三种不同类别物体检测（artemia，cyst和excrement）的比较研究。在这个比较研究中，我们分析了这些模型在准确性、精度、召回率等方面的表现，其中YOLOv5在检测artemia和cyst时通常表现更好，具有出色的精度和准确性。然而，在检测excrement方面，YOLOv5面临着明显的挑战和限制。这表明YOLOv8在检测任务中具有更大的多样性和适应性，而YOLOv5在困难情况下可能会遇到困难，可能需要进一步的微调或专门的训练来提高其性能。结果揭示了YOLOv5和YOLOv8在检测具有挑战性的海洋环境中物体的适用性，对生态研究等应用具有重要意义。

本论文旨在比较使用YOLOv5和YOLOv8进行物体检测的性能，特别是针对三种不同类别的物体：Artemia、cyst和excrement。研究分析了这些模型在准确度、精确度、召回率等方面的表现。

研究结果表明，YOLOv5在检测Artemia和cyst方面表现更好，但在检测excrement时面临明显的挑战和限制。相比之下，YOLOv8在检测任务中具有更大的灵活性和适应性，而YOLOv5则可能在困难情况下表现不佳，需要进一步微调或专门的训练来提高其性能。

本研究提供了关于在具有挑战性的海洋环境中检测物体的适用性的见解，对生态研究等应用有着重要意义。实验使用了哪些数据集，具体设计如何，是否开源代码等信息未提及。

最近在这个领域中，可能还有其他相关的研究，但本论文未提及。