基于YOLOv8s模型改进的道路交通目标检测方法研究

作     者：桑嘉更 张志佳 肖传民 罗海波 张俊摇 SANG Jiageng;ZHANG Zhijia;XIAO Chuanmin;LUO Haibo;ZHANG Junyao

作者机构：沈阳工业大学人工智能学院辽宁沈阳110870 中国科学院沈阳自动化研究所辽宁沈阳110169 空装驻沈阳地区第三军事代表室辽宁沈阳110144 中国机械总院集团沈阳铸造研究所有限公司辽宁沈阳110022 

基　　金：辽宁省应用基础研究计划项目(2023JH2/101300237) 

出 版 物：《红外与激光工程》 (Infrared and Laser Engineering)

年 卷 期：2024年第53卷第11期

页      码：294-307页

摘      要：红外图像目标检测在交通领域中有很重要的应用价值,然而,由于红外图像存在分辨率低、缺乏颜色信息、对比度差、特征模糊的特点,导致现有模型在检测红外车辆与行人时精度不高。为此,文中对YOLOv8s进行了改进,首先对特征融合机制进行改进,在网络中添加小目标检测层,充分利用目标的浅层特征信息,提高对小目标检测的准确性。其次引入了SPD(Space to Depth)细粒化模块来代替YOLOv8s中的3×3卷积进行下采样,避免了3×3卷积下采样导致红外图像细粒度信息丢失。并且还设计了一个新的混合注意力机制,使网络更好地聚焦感兴趣的区域,减少背景对行人和车辆检测的干扰,增强模型对目标特征的关注度。最后使用Focal EIOU损失函数代替CIOU损失函数,改善了CIOU在特殊情况失效和正负样本不平衡的问题。在交通场景红外图像数据集FLIR_ADAS_v2上进了行实验,验证了算法的有效性。与YOLOv8s相比,改进后的模型mAP@0.5从83.4%提升到了89.3%。

主 题 词：YOLOv8s 目标检测 注意力机制 损失函数 细粒化卷积 红外图像 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

核心收录：

D　O　I：10.3788/IRLA20240256

馆 藏 号：203155615...