TireYOLO:轮胎胎侧压印文字检测算法

摘要

针对轮胎胎侧压印文字区域受到深色背景干扰，现有算法无法准确执行检测任务的难题，本文提出一种改进YOLOv8s的轮胎胎侧压印文字区域检测算法TireYOLO.首先，提出一种轻量化特征提取模块RepNCSPELAN4＿CAA,用于替换YOLOv8s原有主干网络的C2f模块，通过CAA注意力机制更好地捕捉上下文特征信息，在提高模型精度的同时降低计算代价.其次，采用一种动态采样的轻量化大感受野特征融合颈部结构DyLKVHSPAN,通过改进HSFPN网络结构，提出一种高效特征融合网络HSPAN,同时通过DySample上采样算子进行动态采样，并且提出一种大感受野的特征融合模块UniLKVoVCSP,使DyLKVHSPAN在保持轻量化的同时利用大感受野更好融合特征.最后，提出一种低计算量检测头DWLHead,重新设计原有检测头的结构，在降低计算量的基础上提高检测性能.实验结果表明，与YOLOv8s相比，TireYOLO算法在轮胎胎侧关键信息所在区域目标检测的mAP@0.5～0.95提高2.5个百分点，参数量降低48.4%,计算量降低49.6%,验证了本文所提出的算法在检测轮胎胎侧文字方面的优越性.

关键词

深度学习 / 目标检测 / 文字检测 / 压印文字 / YOLOv8