期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
面向交通标志检测的YOLOv8n轻量化协同改进模型
1
作者 方天睿 程光 +1 位作者 柳海林 唐少虎 《计算机工程与应用》 北大核心 2025年第23期233-247,共15页
为应对交通标志检测中小目标易漏检、背景干扰强烈以及模型结构臃肿带来的部署障碍,提出一种基于YOLOv8n的轻量化改进检测模型RACP-YOLO。该模型引入轻量型主干C2f-RVB模块,以优化低层语义表达;采用ADown模块进行多尺度下采样,有效平衡... 为应对交通标志检测中小目标易漏检、背景干扰强烈以及模型结构臃肿带来的部署障碍,提出一种基于YOLOv8n的轻量化改进检测模型RACP-YOLO。该模型引入轻量型主干C2f-RVB模块,以优化低层语义表达;采用ADown模块进行多尺度下采样,有效平衡分辨率与感受野,提升目标感知能力;结合CAA注意力机制增强通道间依赖性与目标显著性响应。在此基础上,模型在检测头部分引入SCConv结构作为核心改进,其中包含SRU(空间重建单元)与CRU(通道重建单元)双分支结构,配合新增P2分支设计成SCHead,用于增强小目标与局部空间建模能力。实验结果显示,RACP-YOLO在TT100K数据集上mAP0.5达到0.685,较YOLOv8n提升了2.1%;参数量由3.01×10^(6)降至1.12×10^(6),压缩幅度达62.8%,计算量由8.1×10^(9)降至4.3×10^(9),减少46.9%。在CCSTB数据集的泛化实验进一步验证了该模型在夜晚、强光及雨天等复杂场景下的适应性与检测稳定性;在检测精度提升的同时,有效降低了参数规模与计算开销,适用于车载与边缘场景的高效部署需求。 展开更多
关键词 交通标志检测 轻量化模型 schead YOLOv8改进 小目标检测
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部