-
题名改进YOLOv8算法的城市车辆目标检测
- 1
-
-
作者
许德刚
王双臣
王再庆
尹柯栋
-
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
《计算机工程与应用》
CSCD
北大核心
2024年第18期136-146,共11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
针对复杂交通场景下城市车辆目标检测算法存在的漏检、精度低、泛化能力弱的问题,提出一种改进的YOLOv8城市车辆目标检测算法。采用一种改进的GAM-C2f结构来代替主干网络中的C2f模块,平衡模型的计算效率和准确性;设计一种SPPFAPGC模块,防止SPPF结构因最大池化操作所导致的局部特征丢失问题,提高特征图的丰富度,并进一步结合小目标检测头来加强对远处小目标车辆的检测能力,加强局部特征与全局特征的融合。为抑制低质量图像产生的有害梯度,使用WIOU损失函数代替CIoU,以提升网络的边界框回归性能,提高模型的收敛速度和回归精度。在Streets车辆数据集上的实验结果表明,与基准模型YOLOv8n相比,改进算法的mAP50和Recall分别提高了1.6和2.0个百分点,有效改善了城市交通场景下小目标车辆检测性能不佳的问题;在VisDrone2019数据集上进行验证,mAP50和Recall也分别提高了1.1和1.6个百分点,充分证明了改进算法的优越性。与其他先进主流算法相比,改进算法表现出了更高的准确率和查全率,表明改进算法在城市车辆检测任务中具有更好的性能。
-
关键词
车辆目标检测
YOLOv8
C2f模块
SPPF模块
损失函数
-
Keywords
vehicle target detection
YOLOv8
C2f module
SPPF module
loss function
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
