改进YOLOv8算法的交通标志小目标检测

打开文本图片集

摘  要： 针对传统网络模型在交通标志检测方面存在的小目标识别不准确的问题，提出一种改进的Ghost⁃YOLOv8交通标志检测模型。首先，使用GhostConv代替了全部Conv，并设计全新的GhostC2f模块来替代全部的C2f，使模型轻量化；其次，将上采样算法替换为CARAFE，以更好地保留图像的细节信息；然后，在Neck部分引入了GAM注意力机制模块，以增强特征中的语义信息和位置信息；最后，为了解决检测小目标时尺度不一致导致的语义信息丢失问题，添加了小目标检测层，以增强深层和浅层语义信息的融合。（剩余12404字）