-
题名改进YOLOv8的城市车辆目标检测算法
- 1
-
-
作者
许德刚
王双臣
尹柯栋
王再庆
-
机构
河南工业大学信息科学与工程学院
河南工业大学粮食信息处理与控制教育部重点实验室
湖南工程学院计算机与通信学院
-
出处
《计算机工程》
北大核心
2025年第11期377-391,共15页
-
基金
国家重点研发计划(2017YFD0401003-4)
湖南省自然科学基金(2021JJ50114)。
-
文摘
为了解决城市车辆目标检测算法中存在检测效果差、误检漏检率高、泛化能力弱的问题,提出一种改进YOLOv8的城市车辆目标检测算法。首先,在主干网络尾部融入高效多尺度注意力(EMA)机制,有助于模型更好地捕捉目标车辆的细节特征,结合160×160像素尺寸的小目标检测层来加强对小目标的检测能力,通过维度交互进一步聚合像素级特征,增强对目标车辆的挖掘能力。其次,为轻量化网络设计了一种多尺度轻量化卷积(MLConv)模块,并基于MLConv重构了C2f模块,提高模型的特征提取能力。最后,为抑制低质量图像产生的有害梯度,采用WIoU损失函数替代完全交并比(CIoU)损失函数,优化网络的边界框损失,提升模型的收敛速度和回归精度。在Streets车辆数据集上进行验证,结果表明,改进算法的mAP@0.5、mAP@0.5∶0.95和召回率相较于基准模型YOLOv8n分别提升了1.9、1.4和2.4百分点。在国内车辆数据集和VisDrone2019小目标数据集上进行验证,改进算法的各项性能指标都有不同程度的提升,充分证明了改进算法具有良好的泛化性和鲁棒性。与其他主流算法相比,改进算法同样表现出了更高的准确率和召回率,表明该算法对于城市车辆目标检测具有更好的性能。
-
关键词
车辆目标检测
YOLOv8n模型
注意力机制
轻量化
加权交并比损失函数
-
Keywords
vehicle target detection
YOLOv8n model
attention mechanism
lightweight
Wise-Intersection over Union(WIoU)loss function
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
