基于改进YOLOv8s的交通目标检测研究

打开文本图片集

摘  要： 针对自动驾驶场景下交通目标检测算法存在的误检及漏检的问题，提出一种基于改进YOLOv8s模型的复杂道路交通目标检测算法。设计一种轻量级的C2f⁃EMSCP模块改进YOLOv8s的骨干网络，实现网络的参数量和计算量的降低；在Backbone和Neck部分添加EMA注意力模块，有效地捕捉了全局的通道依赖性与局部空间特征，实现在通道和空间维度上的全面特征抽取；针对密集车流下小尺寸车辆检测效果不佳的问题，添加小目标检测头，更好地捕获小尺寸车辆的特征和上下文信息；使用可自适应调整权重系数的Wise⁃SIoU作为改进模型的损失函数，提升了边界框的回归性能和检测的鲁棒性。（剩余9474字）