轻量化的YOLOv8锥桶检测算法研究

作     者：李旭 李刚 李永明 李宁 梁海林 LI Xu;LI Gang;LI Yongming;LI Ning;LIANG Hailin

作者机构：辽宁工业大学汽车与交通工程学院辽宁锦州121001 

出 版 物：《重庆理工大学学报（自然科学）》 (Journal of Chongqing University of Technology：Natural Science)

年 卷 期：2024年第38卷第7期

页      面：71-77页

学科分类：08[工学] 082304[工学-载运工具运用工程] 080204[工学-车辆工程] 0802[工学-机械工程] 0823[工学-交通运输工程] 

基　　金：国家自然科学基金联合基金项目(U22A2043) 辽宁省自然基金资助计划项目(2022-MS-376) 辽宁省教育厅科研项目(JYTZD2023081) 

主　　题：深度学习 锥桶检测 轻量化主干网络 轻量化检测头 小目标检测层 

摘      要：针对现有无人驾驶方程式赛车对锥桶检测算法存在运算量大、精度低等问题,提出一种改进的YOLOv8n算法,该算法检测精度高、模型参数量少。改进算法引入Stem模块和EfficientNet-Lite网络结构来替换YOLOv8主干网络,由于YOLOv8的检测头中解耦的参数量占总参数的40%,故设计一种结构轻量化的检测头结构来减少模型的参数量,加入下采样倍数为4的高分辨率特征图P2用于检测微小目标。实验结果表明:在数据集上,改进的YOLOv8算法与原来的YOLOv8n算法相比,平均精度指标从90.1%提升到93.8%,参数量从3.00 M降到1.37 M,计算量从8.1GFLOPs降到4.7GFLOPs;在实车测试中,不但有效减少了锥桶的漏检现象,而且模型内存缩减了49%。