复杂场景下的交通标志小目标检测算法

来源：电子测量技术杂志2025年第2期北京时间：

作者：王浩，张其猛，龚德成

单位：上海应用技术大学计算机科学与信息工程学院 上海 201418

摘要：在交通标志识别应用中，待检测目标多为小目标，易出现漏检、误检等问题。针对这些问题，基于YOLOv8s算法设计了一种改进的交通标志识别算法，FKDS-YOLOv8s。使用FasterBlock重构C2f模块，形成新的轻量化模块C2f-Faster，既提升模型特征提取能力，又降低了计算开销；基于SENet和ResNeXt模型设计一种新的检测头Detect_SR，使模型能够有效地聚焦于小目标的关键特征；融入轻量且高效的动态上采样器DySample，显著减少了GPU内存消耗；通过增加上采样和Prediction输出层次，模型能够捕捉丰富的位置信息，有效解决了YOLOv8s模型在处理小目标时信息不足的问题；引入Shape-IoU损失函数，优化了原CIoU在边框回归中的不足；此外，在Neck部分融入了本文新设计的注意力机制DKN-Attention，在上采样和下采样过程中定位微小物体场景的注意力区域，提升了远处小型交通标志的特征提取和识别能力。实验在中国交通标志数据集TT100K上进行，结果表明，FKDS-YOLOv8s相比基准模型，在查准率（P）、查全率（R）和mAP50上分别提升了5.9%、4.2%和6.3%。较传统方法，FKDS-YOLOv8s在性能上表现出显著优势。

关键词：交通标志识别;动态上采样;注意力机制;轻量化;Shape-IoU

基金资助：国家自然科学基金（52402381）项目资助