基于改进YOLO11n模型的自动驾驶道路交通检测算法研究

田晟; 赵凯龙; 苗佳霖

doi:10.16088/j.issn.1001-6600.2024122304

广西师范大学学报（自然科学版） ›› 2026, Vol. 44 ›› Issue (1) : 1 -9. DOI: 10.16088/j.issn.1001-6600.2024122304

基于改进YOLO11n模型的自动驾驶道路交通检测算法研究

田晟, 赵凯龙, 苗佳霖

作者信息 +

Author information +

文章历史 +

PDF

摘要

随着自动驾驶技术的快速发展，道路交通检测作为感知模块的核心任务，直接影响自动驾驶系统的安全性与可靠性，当前基于深度学习方法作为研究的热点，却仍存在检测精度低、模型泛化性差等问题。为解决这些问题，本文提出一种改进YOLO11n模型的道路交通检测方法。该方法通过增加小目标检测层提高对小目标的检测精度，引入GhostConv+DWConv检测头结构，组合优化现有的双DWConv结构，并设计更适合小目标的Inner-CIoU损失函数，增强模型的泛化性，提高边界框回归的准确性。实验结果显示，与现有YOLO11n算法相比，该模型在KITTI和BDD100K数据集上的检测精度分别提升1.1个百分点和1.9个百分点，并达到125帧/s和124帧/s的检测速度，提升了低分辨率小目标检测的有效性，在不同交通场景下具有良好的泛化性。