面向交通标志的Ghost-YOLOv8检测算法

来源：计算机工程与应用杂志2023年第20期北京时间：

作者：熊恩杰, 张荣芬, 刘宇红, 彭靖翔

单位：贵州大学 大数据与信息工程学院，贵阳 550025

摘要：针对当前传统网络模型对交通标志识别精度低、检测不准确的问题，提出一种基于YOLOv8n优化、改进的Ghost-YOLOv8交通标志检测模型。使用GhostConv代替部分Conv，设计全新的C2fGhost模块代替部分C2f，减少了模型的参数量，提升了模型的检测性能；在Neck部分添加GAM注意力机制模块，强化特征中的语义信息和位置信息，提高了模型的特征融合能力；针对检测小目标时尺度不一导致语义信息的丢失，添加小目标检测层，增强深层语义信息与浅层语义信息的结合；使用GIoU边界损失函数代替原损失函数，提升了网络的边界框回归性能。实验结果表明，改进的模型在中国交通标志检测数据集TT100K中的精确度（Precision）及平均精度均值（mAP）相较于原模型分别提高了9.5、6.5个百分点，模型的参数量及模型大小相比原模型分别降低了0.223×109、0.2?MB。综合说明，该模型在减少模型参数量及大小的同时提高了检测精度，显著优于对比算法，也满足边缘计算设备的要求，具有实际的应用价值。

关键词：YOLOv8,交通标志,GhostNet,全局注意机制（GAM）,小目标检测层,GIoU