改良されたYOLOv8に基づく車両–歩行者検出方法

YOLOシリーズの対象検出ネットワークは、高い検出精度と優れたリアルタイム性能の利点により、交通対象に広く使用されています。しかし、大規模な変動があるシーンでの検出性能が悪いことや、多くの計算リソースを消費し、ストレージスペースを多く占有するなどの制限もあります。これらの問題に対処するため、本研究ではYOLOv8nモデルをベンチマークとして使用し、次の4つの改善を行いました：(1) Neck層にBiFormer注意メカニズムを埋め込んで、特徴間の関連性と依存関係をより効率的にキャッチする；(2) ネットワークのHead層に160 × 160の小規模対象検出ヘッダーを追加して、歩行者とオートバイの検出能力を強化する；(3) 重み付き双方向特徴ピラミッド構造を採用して、ネットワークの特徴融合能力を強化する；(4) 一般的な品質のアンカーフレームに焦点を当てるためにWIoUv3を損失関数として使用する。改善戦略に基づいて、モデルの評価指標は大幅に改善されました。元のYOLOv8nと比較して、mAPは95.9%に達し、4.7ポイントの増加を示し、mAP50:95は74.5%に達し、6.2ポイントの改善を反映しています.