摘要:虽趋趋趋趋趋趋趋趋趋趋趋趋趋趋趋趋趋趋趋趋趋趋趋趋趋趋趋趋趋YOLOv8公司改进的道路交通标志目标检测算法。由于小目标检测中容易出现漏检的现象,利用BRA(双向路由注意)注意力机制提高网络对小目标的感知能力。此外,还利用可形变卷积模块DCNv3(可变形卷积v3)针对特征图中的不规则形状具有更好的特征提取能力,使骨干网络更好地适应不规则的空间结构,更精准地关注重要目标,从而提高模型对遮挡重叠目标的检测能力。DCNv3和BRA模块均在基本不增加模型权重大小的情况下提高模型准确性。同时引入基于辅助边框的内部IOU路标、CCTSDB、TSDD、GTSDB四个数据集上,分别进行了小样本训练、大样本训练、单目标检测和多目标检测,实验结果均有所提高。其中,在道路标志数据集上的实验结果最佳,YOLOv8公司改进模型的均值平均精度mAP50:95分别为90.7%和75.1%相较于基线模型,mAP50:95 5.9和4.8个百分点。实验结果表明,YOLOv8公司改进模型有效地实现了在复杂道路场景下的交通标志检测。
田鹏, 毛力. 改进YOLOv8公司的道路交通标志目标检测算法[J] ●●●●。,2024, 60(8): 202-212.
田鹏,毛力.交通标志目标的改进YOLOv8目标检测算法[J]。计算机工程与应用,2024,60(8):202-212。