改进YOLOv8的轻量化车辆目标检测算法研究

摘要

提出了一种改进YOLOv8的车辆目标改进算法，采用改进的REPELAN模块替换C2f模块，以减少参数量，实现模型轻量化。使用一种轻量化共享卷积检测头(LSCD head)取代原始检测头，在减小模型的基础上提高精度。在骨干网络中引入坐标注意力机制，以提高对车辆目标的检测性能。使用WISE-IoU损失函数替换YOLOv8网络中的原CIOU损失函数，以加快网络收敛速度。使用处理后的KITTI和SODA10M数据集进行实验。结果表明，改进后的算法相比YOLOv8n, mAP0.5、mAP0.5～95、召回率和精确率分别提升了1.4%、1.0%、1.8%和1.2%,计算量、参数量、模型体积分别减少37.0%、46.7%、46.8%,有效实现了模型轻量化和性能的平衡，并具有良好的泛化能力，满足了在计算资源受限环境下的部署需求。

关键词

车辆检测 / 轻量化 / YOLOv8 / REPVGG / 坐标注意力机制 / Wise-IoU