面向微型交通标志的ASPC-YOLOv8检测算法

摘要

针对在部分遮挡和复杂背景下的微型交通标志误检、漏检等问题，提出一种基于YOLOv8s的交通标志检测框架。构建空间自适应金字塔卷积模块(ASPC)代替Neck所有Conv模块，设计全新的ASPC2f模块代替部分C2f模块，减少了模型参数量，提升了检测性能；为解决在检测小目标时因尺度不一致而导致的语义信息损失问题，引入小目标检测层，以增强深层和浅层语义信息的有效融合；使用EIOU代替原来的边界框损失函数，提升网络边界框回归性能。经实验，该方法在TT100K交通标志数据集上平均精度均值(mAP)达到89.7%,相较于原模型提升6.2个百分点，微型目标平均精度均值相对提升9.4个百分点，参数量降低2.6 MB。

关键词

交通标志检测 / 小目标检测 / 空间金字塔卷积 / 特征融合