基于RHUS-YOLOv8的轻量级夜间行人车辆检测
摘要：
针对夜间场景下光照变幻莫测、目标边缘和纹理信息容易被噪声淹没的问题,提出一种改进的轻量化夜间行人车辆检测算法RHUS-YOLOv8.首先,RHUS-YOLOv8在主干网络中融入注意力卷积RFCBAMConv,动态调整特征权重,抑制无关背景噪声;其次,在颈部网络使用HWD小波下采样模块,在降低特征图空间分辨率的同时尽可能多地保留特征图信息;再次,设计了全新轻量化模块C2f_UIB,降低模型复杂度;最后,采用Shape-IOU作为边界损失函数,通过边界框本身的形状和尺度计算损耗,从而使边界框回归更加准确.实验结果表明,RHUS-YOLOv8在自采行人车辆数据集中具有较好表现,在mAP@0.5精度上比原始YOLOv8算法提高2.4%,在mAP@0.5:0.95精度上提高2.3%,整体精确率提高1.7%,召回率提高3.3%,模型参数和计算量分别从3.0×106 和8.1 GFLOPs降低至2.5×106 和7.5 GFLOPs,检测速度达到500 FPS,满足实时检测要求.
展开
-
作者：
张宇婷,杨光,邹丽
-
刊名：
软件导刊
-
年期：
2025.12
在线阅读
收藏