DTI-YOLO：改进YOLOv10s的交通标志检测模型

来源：计算机工程与应用杂志2025年第17期北京时间：

作者：刘美辰, 李杰, 陈廷伟

单位：辽宁大学 信息学部，沈阳 110036

摘要：针对交通标志检测中，远景小目标特征易被弱化，难以与复杂背景区分的问题，提出了一种基于改进YOLOv10s的交通标志检测模型（DTI-YOLO）。提出膨胀卷积融合膨胀注意力模块（DDFM）替换PSA模块，设计局部和全局特征提取分支，通过聚焦局部细节与全局语义，抑制噪声干扰，增强模型在复杂背景中分离小目标特征的能力。构建基于二检测层的跨尺度特征融合网络（TDL-CCFN），利用跨尺度特征融合结构和针对小目标设计的二检测层结构，增强深浅层特征间的融合和小目标特征的保留，同时减少了模型的参数量。引入InnerMPDIoU损失函数替换CIoU损失函数，通过融合可调节尺度因子和顶点几何距离度量，增强模型对小目标位置和视角变化的敏感性，提升边界框回归效率与模型泛化能力。实验结果表明，DTI-YOLO模型具有良好的检测性能，相较于YOLOv10s，DTI-YOLO在TT100K和CCTSDB数据集上的mAP50分别提升5.5和4.8个百分点，分别达到90.9%和86.6%；同时，参数量减少约33.3%，降至5.4×106，实现了模型轻量化。

关键词：交通标志检测,DTI-YOLO,复杂背景,小目标特征,多尺度特征