基于YOLOv11n算法改进的小目标交通标志检测

摘要

针对复杂环境下小目标交通标志检测时，现有模型精度不足和漏检率较高的问题，提出一种基于YOLOv11n的交通标志检测模型。首先，采用小目标检测层替换大目标检测层，保留更多高分辨率特征。其次，用DySample代替模型的上采样过程，在提高性能的同时，消耗最少的计算资源。再次，为提升网络对整体和局部特征的捕获能力，在颈部引入坐标注意力（CA）获取长远距离信息。最后，设计Focal-PIoUv2损失函数，解决小目标检测中各目标类别不平衡问题，并提高回归精度。实验结果表明，改进模型相较于基线模型mAP@0.5值提升了12.0%，精确度和召回率分别提升了4.7%和15.7%，与现有算法相比，所提方法实现了显著的性能提升。

关键词

小目标交通标志检测 / 动态上采样 / 注意力机制 / Focal-PIoUv2