YOLOv8-DEL：基于改进YOLOv8n的实时车辆检测算法研究

来源：计算机工程与应用杂志2025年第1期北京时间：

作者：古佳欣, 陈高华, 张春美

单位：太原科技大学 电子信息工程学院，太原 030024

摘要：车辆检测是智能交通系统和自动驾驶的重要组成部分。然而，实际交通场景中存在许多不确定因素，导致车辆检测模型的准确率低实时性差。为了解决这个问题，提出了一种快速准确的车辆检测算法——YOLOv8-DEL。使用DGCST（dynamic group convolution shuffle transformer）模块代替C2f模块来重构主干网络，以增强特征提取能力并使网络更轻量；添加的P2检测层能使模型更敏锐地定位和检测小目标，同时采用Efficient RepGFPN进行多尺度特征融合，以丰富特征信息并提高模型的特征表达能力；通过结合GroupNorm和共享卷积的优点，设计了一种轻量型共享卷积检测头，在保持精度的前提下，有效减少参数量并提升检测速度。与YOLOv8相比，提出的YOLOv8-DEL在BDD100K数据集和KITTI数据集上，mAP@0.5分别提高了4.8个百分点和1.2个百分点，具有实时检测速度（208.6?FPS和216.4?FPS），在检测精度和速度方面实现了更有利的折中。

关键词：车辆检测,YOLOv8,DGCST,Efficient RepGFPN,轻量级检测头