基于改进YOLOv8s的雾天目标检测算法

来源：电子测量技术杂志2024年第20期北京时间：

作者：刘震，杨贤昭，陈洋，曾思航

单位：武汉科技大学冶金自动化与检测技术教育部工程研究中心 武汉 430081

摘要：针对现实场景中雾天目标检测困难的问题，提出了一种改进YOLOv8s的雾天目标检测方法。设计前端模块Edge-Dehaze，利用去雾网络和检测网络联合训练并通过Sobel算子强化雾天图像边缘信息以改善雾天场景下的检测效果；提出混合注意力特征融合模块HAFM，通过并行注意力机制和特征图之间的信息交互与融合提升模型对重要特征的关注度；设计轻量化共享注意力卷积检测头LSACD，通过共享卷积降低检测头参数量，在共享层中引入SEAM注意力机制缓解雾天目标检测的遮挡问题。在RTTS数据集上的实验结果表明，改进后的YOLOv8s网络相对原始YOLOv8s网络mAP50提升了1.8%，mAP50-95提升了1.7%，参数量基本持平，从而验证了该算法在雾天目标检测上具有较高的准确性及实用性。

关键词：YOLOv8s;计算机视觉;雾天目标检测;注意力机制;特征融合

基金资助：国家自然科学基金（62173262）项目资助