面向交通标志检测的YOLOv8n轻量化协同改进模型

来源：计算机工程与应用杂志2025年第23期北京时间：

作者：方天睿, 程光, 柳海林, 唐少虎

单位：1.北京联合大学 城市轨道交通与物流学院，北京 100101；2.北京联合大学 前沿智能技术研究院，北京 100101；3.北京联合大学 工科综合实验教学示范中心，北京 100101

摘要：为应对交通标志检测中小目标易漏检、背景干扰强烈以及模型结构臃肿带来的部署障碍，提出一种基于YOLOv8n的轻量化改进检测模型RACP-YOLO。该模型引入轻量型主干C2f-RVB模块，以优化低层语义表达；采用ADown模块进行多尺度下采样，有效平衡分辨率与感受野，提升目标感知能力；结合CAA注意力机制增强通道间依赖性与目标显著性响应。在此基础上，模型在检测头部分引入SCConv结构作为核心改进，其中包含SRU（空间重建单元）与CRU（通道重建单元）双分支结构，配合新增P2分支设计成SCHead，用于增强小目标与局部空间建模能力。实验结果显示，RACP-YOLO在TT100K数据集上mAP0.5达到0.685，较YOLOv8n提升了2.1%；参数量由3.01×106降至1.12×106，压缩幅度达62.8%，计算量由8.1×109降至4.3×109，减少46.9%。在CCSTB数据集的泛化实验进一步验证了该模型在夜晚、强光及雨天等复杂场景下的适应性与检测稳定性；在检测精度提升的同时，有效降低了参数规模与计算开销，适用于车载与边缘场景的高效部署需求。

关键词：交通标志检测,轻量化模型,SCHead,YOLOv8改进,小目标检测