来源：期刊VIP网 时间：
作者：秦伦明;张云起;崔昊杨;边后琴;王悉;
单位：上海电力大学电子与信息工程学院;北京交通大学电子信息工程学院;
摘要：针对自动驾驶汽车摄像头捕捉的交通标志图像尺度变化大且小目标占比多，易受背景环境干扰等特点，进而导致漏检、误检等问题，文中提出CMF-YOLOv8s交通标志检测算法。首先，去除原网络模型中大目标特征提取层及检测头，并且添加小目标检测头，提高模型对小目标的检测精度并减少参数量；其次，在主干中添加改进的坐标注意力机制，通过全局平均池化和卷积操作获取全局通道信息，并结合位置信息处理特征图，提高模型在复杂环境中的目标检测精度；此外，使用FasterNet模块改进原模型中的C2f模块，降低参数量；最后，引入损失函数MPDIoU，通过顶点坐标综合考虑非重叠面积、中心点距离和宽高偏差等因素优化计算过程并提高模型检测精度。实验结果表明，CMF-YOLOv8s算法平均精度均值为91.2%，模型参数量为2.7×10~6，相比原YOLOv8s模型平均精度均值提高了5.7%，模型参数量降低了76%，且对重叠、遮挡的交通标志识别精度更高，对自动驾驶的安全性具有实际意义。
关键词：交通标志检测;;MPDIoU损失函数;;Channel＿CA机制;;FasterNet模块;;小目标检测;;自动驾驶;;CMFYOLOv8s
