Key points are not available for this paper at this time.
YOLOv8은 고속 목표 감지, 정밀한 식별 및 위치 지정, 그리고 다양한 플랫폼 간의 호환성 덕분에 자율주행 분야에서 매우 중요한 역할을 합니다. 실시간으로 비디오 스트림 또는 이미지를 처리함으로써 YOLOv8은 도로상의 차량 및 보행자와 같은 장애물을 신속하고 정확하게 식별하여 자율주행 시스템에 필수적인 시각적 데이터를 제공합니다. 본 연구는 두 가지 중요한 수정 사항을 소개합니다: C2fRFAConv 모듈과 트리플 어텐션 메커니즘입니다. 첫째, 제안된 수정 사항에 대해 방법론 섹션에서 자세히 설명합니다. C2fRFAConv 모듈은 원래 모듈을 대체하여 특징 추출 효율성을 높이며, 트리플 어텐션 메커니즘은 특징 집중도를 향상시킵니다. 그 후, 실험 절차는 원래 YOLOv8을 훈련시키고 수정된 모듈을 통합하며, 성능 개선을 평가하기 위해 메트릭 및 PR 곡선을 사용하는 훈련 및 평가 과정을 delineates 합니다. 결과는 수정 사항의 효능을 입증하며, 개선된 YOLOv8 모델은 MAP 값 증가 및 PR 곡선 개선 등에서 significant 성능 향상을 보여줍니다. 마지막으로 분석 섹션에서는 결과를 설명하고 성능 개선을 도입된 모듈에 기인합니다. C2fRFAConv는 특징 추출 효율성을 높이고, 트리플 어텐션은 향상된 목표 감지를 위해 특징 집중도를 개선합니다.
Ling et al. (Thu,)는 이 질문을 연구했습니다.