融合特征增强与背景抑制的改进YOLOv8车辆目标检测模型
来源：计算机工程与应用杂志2026年第10期北京时间：
作者：杨迪, 郭玉新, 王明强, 王鹏, 于大海
单位：1.长春理工大学 计算机科学技术学院，长春 130022；2.吉林省大数据科学与工程联合重点实验室，长春 130022；3.吉林省网络数据库应用软件科技创新中心，长春 130022；4.长春光华学院 电气信息学院，长春 130033；
摘要：实际的车辆目标检测受到车辆尺度变化多样、背景信息干扰和感受野受限等问题的影响，使得车辆目标检测仍具有一定的挑战性。为提升车辆目标检测精度，基于YOLOv8提出了一种融合特征增强与背景抑制的改进YOLO车辆目标检测模型FEDB-YOLOv8。构建跨尺度车辆特征增强模块C2f-EMA，引入EMA（efficient multi-scale attention）模块建立不同尺度车辆目标之间的联系，提高模型小尺度车辆特征提取能力。提出背景噪声抑制策略SPRC，引入空间重组单元和通道重组单元抑制背景冗余特征，减少车辆目标漏检误检的情况。设计感受野扩增模块MACSP-SPPF，在SPPF基础上引入池化操作，扩大车辆目标感受野，提高车辆目标检测精度。引入Shape-IoU损失函数，在关注GT框与预测框之间的相对位置与形状的同时，兼顾边界框的形状与尺度，减少预测框与真实框之间的误差。在公开数据集VisDrone和UA-DETRAC上的实验表明，所提模型的精度优于基准模型，验证了其有效性。
关键词：车辆目标检测,特征增强,背景抑制,感受野增强
基金资助：吉林省科技发展计划项目（YDZJ202401621ZYTS）。
