- 1次围观
在交通标志检测领域,由于远景交通标志在场景中占比面积很小、标志尺度多样等特点,给检测带来了挑战。为解决上述问题,在YOLOv8s基础上进行了改进,提出了一种新型交通标志检测算法YOLOv8s-REMN。该方法在骨干网络中引入RFAConv,增强网络的感受野和特征提取能力;在颈部网络中加入EAGFM模块,优化多尺度特征融合;然后,在检测头部分加入MSDEF模块,增加小目标检测头,提升小目标检测能力;采用NWD损失函数替换CIoU损失函数,优化边界框回归,提高小目标定位精度。实验结果表明,YOLOv8s-REMN在TT100K数据集上实现了较大性能提升,相较于基线YOLOv8s,mAP@0.5提高了6.6%,mAP@0.5:0.95提高了5.1%。该算法的有效性也在中国交通标志检测数据集CCTSDB2021上得到了验证,YOLOv8s-REMN相较于YOLOv8s,mAP@0.5提高了2.9%,mAP@0.5:0.95提高了2.9%。
来源出处
基于YOLOv8s-REMN的远景交通标志检测算法
http://sjcj.nuaa.edu.cn/sjcjycl/article/abstract/202604020