改进YOLOv8算法的城市车辆目标检测

来源：计算机工程与应用杂志2024年第18期北京时间：

作者：许德刚, 王双臣, 王再庆, 尹柯栋

单位：1.河南工业大学 信息科学与工程学院，郑州 450001；2.河南工业大学 粮食信息处理与控制教育部重点实验室，郑州 450001；3.湖南工程学院 计算机与通信学院，湖南 湘潭 411104

摘要：针对复杂交通场景下城市车辆目标检测算法存在的漏检、精度低、泛化能力弱的问题，提出一种改进的YOLOv8城市车辆目标检测算法。采用一种改进的GAM-C2f结构来代替主干网络中的C2f模块，平衡模型的计算效率和准确性；设计一种SPPFAPGC模块，防止SPPF结构因最大池化操作所导致的局部特征丢失问题，提高特征图的丰富度，并进一步结合小目标检测头来加强对远处小目标车辆的检测能力，加强局部特征与全局特征的融合。为抑制低质量图像产生的有害梯度，使用WIOU损失函数代替CIoU，以提升网络的边界框回归性能，提高模型的收敛速度和回归精度。在Streets车辆数据集上的实验结果表明，与基准模型YOLOv8n相比，改进算法的mAP50和Recall分别提高了1.6和2.0个百分点，有效改善了城市交通场景下小目标车辆检测性能不佳的问题；在VisDrone2019数据集上进行验证，mAP50和Recall也分别提高了1.1和1.6个百分点，充分证明了改进算法的优越性。与其他先进主流算法相比，改进算法表现出了更高的准确率和查全率，表明改进算法在城市车辆检测任务中具有更好的性能。

关键词：车辆目标检测,YOLOv8,C2f模块,SPPF模块,损失函数