-
题名基于改进YOLOv8n的道路障碍物检测算法
- 1
-
-
作者
张家辉
徐振峰
孙强
陈锋
钟梦园
-
机构
合肥大学电子信息与自动化学院
-
出处
《宿州学院学报》
2025年第9期6-11,共6页
-
基金
安徽省作物智慧种植与加工技术工程研究中心开放课题(ZHKF06)。
-
文摘
针对自动驾驶中道路障碍物检测精度低、漏检及误检等问题,提出一种基于改进YOLOv8n的道路障碍物检测算法。该算法通过在骨干网络中引入高效多尺度注意力机制(EMA)模块来增强模型对小目标的特征捕捉能力。同时,将颈部网络的跨步卷积替换为SPD-Conv模块,以有效保留低分辨率图像与小物体的细粒度信息。此外,采用WIoUv3损失函数替代CIoU损失函数,通过“离群度”评估锚框质量并聚焦优化中等质量候选框,以进一步提升检测精度。实验结果表明,改进后的模型在自制数据集上的精确率、召回率和平均精度(mAP)分别提高了2.3%、2.8%和3.1%,验证了所提方法在复杂道路场景下对障碍物检测的有效性和优越性。
-
关键词
障碍物检测
YOLOv8n
注意力机制
SPD-Conv
wiouv3损失函数
-
Keywords
obstacle detection
YOLOv8n
attention mechanism
SPD-Conv
wiouv3 loss function
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进YOLOv7的路面病害检测算法
被引量：2
- 2
-
-
作者
葛焰
刘心中
马树森
赵津
李镇宏
-
机构
福建理工大学生态环境与城市建设学院
-
出处
《现代电子技术》
北大核心
2024年第11期31-37,共7页
-
文摘
针对公路路面病害图像存在光影变化大、背景干扰多、尺度差异大等问题,提出基于改进YOLOv7的路面病害检测算法。首先,对YOLOv7网络模型中的ELAN模块进行了优化,通过通道和空间注意力机制优化信息提取,增强网络对重要特征的提取能力;接着,使用ACmix注意力模块提高网络对小目标的关注度,有效解决原网络模型对小目标的漏检问题;其次,采用大下采样比率的卷积输出,提高对小目标的检测精度;最后,引入WIoUv3替换原网络模型中的CIoU来优化损失函数,构造梯度增益的计算方法来附加聚焦机制。实验结果表明:改进后的YOLOv7模型平均精度均值(mAP)与原模型相比提升了4.5%,检测效果优于原网络模型与传统经典目标检测网络模型。
-
关键词
目标检测
YOLOv7
路面病害
损失函数
wiouv3
注意力机制
-
Keywords
object detection
YOLOv7
pavement distress
loss function
wiouv3
attention mechanism
-
分类号
TN911.73-34
[电子电信—通信与信息系统]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
