YOLOv8-DEL：基于改进YOLOv8n的实时车辆检测算法研究

作     者：古佳欣 陈高华 张春美 

作者机构：太原科技大学电子信息工程学院 

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

年 卷 期：2025年第1期

页      面：142-152页

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)] 081104[工学-模式识别与智能系统] 08[工学] 080203[工学-机械设计及理论] 0838[工学-公安技术] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：山西省自然科学基金(202203021211198) 太原科技大学科研启动基金(20222026) 

主　　题：车辆检测 YOLOv8 DGCST Efficient RepGFPN 轻量级检测头 

摘      要：车辆检测是智能交通系统和自动驾驶的重要组成部分。然而，实际交通场景中存在许多不确定因素，导致车辆检测模型的准确率低实时性差。为了解决这个问题，提出了一种快速准确的车辆检测算法——YOLOv8-DEL。使用DGCST(dynamic group convolution shuffle transformer)模块代替C2f模块来重构主干网络，以增强特征提取能力并使网络更轻量；添加的P2检测层能使模型更敏锐地定位和检测小目标，同时采用Efficient RepGFPN进行多尺度特征融合，以丰富特征信息并提高模型的特征表达能力；通过结合GroupNorm和共享卷积的优点，设计了一种轻量型共享卷积检测头，在保持精度的前提下，有效减少参数量并提升检测速度。与YOLOv8相比，提出的YOLOv8-DEL在BDD100K数据集和KITTI数据集上，mAP@0.5分别提高了4.8个百分点和1.2个百分点，具有实时检测速度（208.6 FPS和216.4 FPS），在检测精度和速度方面实现了更有利的折中。