基于YOLOv8n的夜间车辆检测

摘要

针对夜间环境光照度低、光照分布不均匀导致车辆检测细节模糊以及车辆漏检和错检等问题，提出一种改进YOLOv8n的夜间目标检测算法。首先，引入图像增强算法Zero-DCE提高图像质量，减小光照度低、光照分布不均匀的影响，同时使用LSKNet作为主干网络，调整动态感受野，改善模型特征提取能力，提高检测精度；其次，采用空间和通道卷积(SSConv)模块融合C2f模块，减少特征之间的空间和通道冗余；最后，提出通用感知大内核卷积网络(SPPF＿UniRepLKNet)替换SPPF模块，使用非膨胀卷积更好地提升感受野，从而有效捕捉模型的特征，提高模型的检测精度。实验结果表明，改进YOLOv8n算法的检测精确率和平均精度均值分别提高了4.7%和4.9%,适用于夜间环境下车辆检测。

关键词

目标检测 / 图像增强 / LSKNet / 空间和通道卷积模块 / 通用感知大内核卷积网络