YOLO-SCDI:基于改进YOLOv8的车辆检测算法
来源：电子与信息学报杂志2025年第10期北京时间：
作者：吴林, 曹雯
单位：长安大学电子与控制工程学院 西安 710064
摘要：针对城市复杂道路环境中车辆检测面临的多尺度目标、密集车流遮挡等难题，该文提出了一种轻量化YOLO-SCDI车辆检测算法。首先，采用改进的C2f-SCSA模块替换骨干网络中的C2f模块，通过动态融合多尺度卷积核提取的局部与全局特征，同时结合空间-通道双维度注意力机制，从而实现精准的特征选择。其次，创新性地在颈部网络引入跨尺度特征融合模块(CCFM)，通过4个卷积同步完成通道压缩与跨通道信息融合，显著增强了模型对不同尺度目标的适应性，同时降低了模型参数。再次，用Dynamic Head检测头替换传统检测头，通过尺度-空间-任务三维注意力机制动态调节特征响应，并引入动态卷积核生成网络，自适应调整检测头参数配置。最后，提出了Inner-ShapeIoU度量方法以优化边界框回归过程。实验结果表明，在精简后的UA-DETRAC数据集上，YOLO-SCDI在mAP@0.5和精确度(P)上分别达到了95.8%和95.9%，同时模型的参数量为2.37M，相较于基准模型YOLOv8n，精度分别提升了2.5%和4.1%，参数量减少了21.0%，具有更高的检测精度和更精简的模型参数。
关键词：车辆检测, SCSA, CCFM, Dynamic Head
基金资助：西安市科技局科技计划项目(24GXFW0097)
