-
题名基于改进YOLOv8的交通场景目标检测方法
- 1
-
-
作者
钱睿珂
胡海霞
-
机构
安徽理工大学机电工程学院
-
出处
《商洛学院学报》
2025年第6期43-54,共12页
-
基金
安徽省淮南市科技计划项目(2023A3113)。
-
文摘
为提高复杂交通场景下的目标检测效率,提出了一种基于改进YOLOv8模型的交通场景目标检测方法。将YOLOv8的主干网络替换为密集连接网络(DenseNet),以增强特征复用能力和梯度流动性;在SPPF模块前引入高效金字塔压缩注意力模块(PSA Module),实现多尺度特征聚合与通道权重自适应调整,从而强化上下文建模和显著区域表达能力;将损失函数替换为辅助边框损失函数(Unified-IoU),提升边界框拟合精度。结果表明,改进的YOLOv8模型在KITTI公共数据集上的精确率(Precision)达到88.2%,较YOLOv8n模型精确率提升4.5%,较YOLOv10n模型精确率提升2.1%;同时推理速度达98 fps,召回率为87.3%。该模型在车辆、行人等目标的检测精度上均有所提高,验证了其在交通场景目标检测中的优越性能和应用潜力。
-
关键词
目标检测
YOLOv8
DenseNet
psa
module
Unified-IoU
-
Keywords
object delection
YOLOv8
DenseNet
psa module
Unifed-IoU
-
分类号
TP181
[自动化与计算机技术]
-
