基于改进YOLOv8的自动驾驶场景目标检测算法

来源：计算机工程与应用杂志2025年第1期北京时间：

作者：杨磊, 陈艳菲, 李海鸣, 石教兴, 安培

单位：1.武汉工程大学 光学信息与模式识别湖北省重点实验室，武汉 430205；2.武汉工程大学 电气信息学院，武汉 430205 ；3.华中科技大学 电子信息与通信学院，武汉 430074

摘要：针对自动驾驶场景遮挡目标和小目标检测困难问题，提出了FAN-YOLOv8n自动驾驶检测算法。设计了特征感受野融合模块（EFFVM），增强模型主干部分对局部特征的提取，提高模型对遮挡目标的检测能力；在模型头部增加了更浅特征层P2的检测头，提高模型对于小目标的检测效果；在模型颈部设计了特征指导模块（FGM）来融合浅层和深层的特征信息，使得两层之间能够更好地进行特征交互，让模型更关注细粒特征。提出了特征层融合模块（FLFM），融合多尺度特征层并进行特征增强，使模型能够自适应不同尺度目标的检测。实验结果表明，在SODA10M数据集和部分BDD100K数据集上，改进模型的mAP0.5对比原始YOLOv8n模型提升了7个百分点和6.5个百分点，适用于实际自动驾驶检测任务。

关键词：自动驾驶,YOLOv8n,小目标,遮挡目标