基于改进YOLOv8的交通标志检测与识别算法研究  

作　　者：曾海峰 

机构地区：[1]广东生态工程职业学院,广东广州510520

出　　处：《电脑知识与技术》2024年第30期13-16,共4页Computer Knowledge and Technology

基　　金：新一代信息技术创新项目——基于深度学习的道路交通信号灯及标志牌识别(2022IT228)。

摘　　要：在复杂的道路交通场景中,准确快速地识别交通标志对于保障行车安全和提升交通效率具有至关重要的意义。为了满足智能交通系统和自动驾驶领域对交通标志检测与识别的准确率和鲁棒性的要求,文章设计了一种改进的YO⁃LOv8模型,以提高交通标志检测与识别的效果,适应智能交通系统(ITS)和自动驾驶领域的实际需求。通过引入CBMA注意力机制和Swin-Transformer网络,增强了YOLOv8模型的特征提取能力和多尺度目标检测能力。同时,优化了定位损失、分类损失和置信度损失函数,并结合多任务学习进行联合优化。为提高模型的泛化能力,文章采用多种数据增强技术对数据集进行扩充。实验结果表明,改进后的YOLOv8模型在识别率、精确率等方面相较于原始模型显著提升,尤其在不同尺寸目标的识别上表现更佳,为复杂环境下的交通标志检测与识别提供了有效的技术方案。

关 键 词：CBMA注意力机制 数据增强 损失函数优化 Swin-Transformer网络 交通标志检测与识别 YOLOv8 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]