基于改进YOLOv8的轻量型车辆目标检测算法  

作　　者：刘荣欣 卢胜男[1] 刘晓天 LIU Rongxin;LU Shengnan;LIU Xiaotian

机构地区：[1]西安石油大学,陕西西安710065

出　　处：《信息技术与信息化》2024年第6期89-92,共4页Information Technology and Informatization

摘　　要：针对现有交通监控场景下车辆目标检测算法参数多、计算量大,难以在资源有限的设备中部署的问题,提出一种基于YOLOv8改进的轻量型车辆目标检测算法GSE-YOLO。结合Ghost卷积技术,设计出一种轻量型特征提取模块C2fGhostv2,在减少计算负担的同时保证良好的特征提取能力。在颈部网络,引入SA(shu ffl e attention)注意力机制,主动选择合适的特征图权重凸显重要特征信息,减少背景对车辆检测的干扰。引入新的损失函数EIOU,解决边界框的纵横比模糊问题,提高预测框精度。实验结果表明,在交通数据集UA-DETRAC上,GSE-YOLO在检测精度没有损失的情况下,相较于原始YOLOv8参数量降低36.11%,计算量降低29.21%,更适合在计算量有限的边缘设备上部署,具有实用价值。

关 键 词：深度学习 轻量型 车辆目标检测 Ghost卷积 shuffle attention注意力机制 损失函数 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术] TP18[自动化与计算机技术—计算机科学与技术] U495[交通运输工程—交通运输规划与管理]