改进YOLOv8的道路小目标检测算法

• 全文链接
• 请求原文

作   者：

梁超;  来跃深;  常宏; 

作者机构：

西安北辰亿科电子科技有限公司;  西安工业大学机电工程学院; 

关键词：

注意力机制;  YOLOv8;  小目标检测;  下采样机制; 

期刊名称：

西安工业大学学报

i s s n：

1673-9965

年卷期：

2024 年 44 卷 004 期

页   码：

514-524

摘   要：

为了解决原YOLOv8在交通道路场景中易出现小目标的误检和漏检的问题，提出了一种改进YOLOv8网络模型的检测方法。首先，使用下采样机制(ADown)替代主干中的传统卷积，扩大模型的感受野。其次，引入CBAM注意力机制，降低了小目标的漏检率。最后，添加一个检测头，提升小目标的检测精度。实验表明，改进算法在KITTI数据集上的召回率R、mAP@0.5和mAP@0.95分别提升0.1%、1.7%和3.1%,同时参数量下降11%,对于小目标检测效果的各项指标均有提升，证明了改进算法在道路小目标检测的有效性。