基于改进YOLOv8的自动驾驶场景目标检测算法

作     者：杨磊 陈艳菲 李海鸣 石教兴 安培 

作者机构：武汉工程大学光学信息与模式识别湖北省重点实验室 武汉工程大学电气信息学院 华中科技大学电子信息与通信学院 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2024年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 082304[工学-载运工具运用工程] 081104[工学-模式识别与智能系统] 080203[工学-机械设计及理论] 080204[工学-车辆工程] 0802[工学-机械工程] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0823[工学-交通运输工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：武汉工程大学研究生教育创新基金项目(CX2023547) 

主　　题：自动驾驶 YOLOv8n 小目标 遮挡目标 

摘      要：针对自动驾驶场景遮挡目标和小目标检测困难问题，提出了FAN-YOLOv8n自动驾驶检测算法。首先设计了特征感受野融合模块（EFFVM），增强模型主干部分对局部特征的提取，提高模型对遮挡目标的检测能力；其次，在模型头部增加了更浅特征层P2的检测头，提高模型对于小目标的检测效果；然后，在模型颈部设计了特征指导模块（FGM）来融合浅层和深层的特征信息，使得两层之间能够更好地进行特征交互，让模型更关注细粒特征。最后提出了特征层融合模块（FLFM），融合多尺度特征层并进行特征增强，使模型能够自适应不同尺度目标的检测。实验结果表明，在SODA10M数据集和部分BDD100K数据集上，改进模型的mAP0.5对比原始YOLOv8n模型提升了7%和6.5%，适用于实际自动驾驶检测任务。