基于感受野增强的复杂道路场景目标检测研究

来源：电子测量技术杂志2024年第13期北京时间：

作者：刘罡，闫曙光，刘钰，侯恩翔，黄应征

单位：1.无锡学院江苏省集成电路可靠性技术及检测系统工程研究中心 无锡 214105; 2.南京信息工程大学电子与信息工程学院 南京 210044

摘要：针对当前自动驾驶场景下道路目标检测算法对远距离小目标、遮挡目标容易出现漏检和误检的问题，提出一种基于改进YOLOv8n的道路目标检测算法。在特征提取方面，对感受野注意力卷积进行轻量化改进，重新构造C2f模块，以解决卷积计算中参数无法共享问题，使网络有效捕捉关键信息；然后引入轻量化点采样算子，以减少上采样过程中特征细节损失，更好保留图像的细节信息；在特征融合方面，设计多尺度特征融合网络，以增强小目标特征信息，丰富不同尺度特征的双向融合；同时使用归一化注意力机制，以抑制无关背景信息干扰，提高模型抗干扰能力。实验结果表明，提出的改进算法在KITTI数据集和Udacity数据集上的检测精度分别达到了92.8%和78.7%，相比原始算法分别提高了2.2%和1.6%，模型依然满足轻量化要求，在一定程度上提高了对复杂道路场景的适应能力。

关键词：自动驾驶;目标检测;YOLOv8n;上采样;注意力机制

基金资助：国家自然科学基金（62204172）项目资助