基于改进YOLOv8的夜间车辆检测研究

郭俊; 郭金霆; 张世龙

doi:10.16339/j.cnki.jsjsyzdh.202601017

计算技术与自动化 ›› 2026, Vol. 45 ›› Issue (1) : 108 -113. DOI: 10.16339/j.cnki.jsjsyzdh.202601017

基于改进YOLOv8的夜间车辆检测研究

郭俊, 郭金霆, 张世龙

作者信息 +

Author information +

文章历史 +

PDF

摘要

针对夜间光照不足、小目标易遮挡等导致检测性能下降的问题，提出了改进模型DFFYOLOv8。该模型在YOLOv8基础上引入Dysample动态采样模块，自适应调整特征采样率以增强弱光小目标感知；融合ASFF特征融合机制，实现多尺度信息高效整合；并采用Focaler IoU损失函数动态优化回归精度。基于BDD100K夜间数据集实验结果显示，DFF-YOLOv8在mAP@50、mAP@50:95、P、R上分别提升4.8%、3.8%、1.9%、4.1%，显著改善夜间低光环境下的检测性能。