改进YOLOv8s的道路目标检测算法  

作　　者：张荣炜 肖小玲[1] 

机构地区：[1]长江大学计算机科学学院,湖北荆州434100

出　　处：《电脑知识与技术》2024年第15期70-74,共5页Computer Knowledge and Technology

摘　　要：针对现有目标检测算法在道路场景中易出现的目标错检问题、小尺度和重叠目标易出现漏检问题,提出一种改进YOLOv8s的道路目标检测模型。该模型使用AFPN(Asymptotic Feature Pyramid Network)替换YOLOv8s模型的颈部网络,以强化模型对多尺度特征的融合能力,减少模型的参数量,提高检测性能;引入GAM注意力机制,增强模型对目标的特征提取能力;使用EIoU代替原损失函数,提高模型对目标定位的能力。实验结果表明,改进的YOLOv8s模型在自动驾驶领域经典数据集KITTI上的mAP@0.5及mAP@0.5:0.95分别提高了1.6和2.2个百分点。综合说明,改进模型有效提升了对道路目标的检测性能,能更好地满足自动驾驶和智能交通系统的需求。

关 键 词：YOLOv8s 道路目标检测 多尺度特征融合 注意力机制 损失函数 

分 类 号：TP31[自动化与计算机技术—计算机软件与理论]