来源：期刊VIP网 时间：
作者：余荣威;张逸轩;曹书明;王丽娜;
单位：武汉大学国家网络安全学院;空天信息安全与可信计算教育部重点实验室;
摘要：当前交通标志检测方法主要依赖单阶段深度学习算法构建的目标检测模型，存在检测精度低、模型通用性弱等问题。为解决这类问题，提出一种基于改进YOLOv8模型的交通标志检测方法。该方法通过引入基于注意尺度序列融合的机制，提升了神经网络对于多尺度信息的提取能力；通过增加小目标检测层，使得方法更适用于小目标检测；采用RT-DETR的检测头，通过解耦尺度内交互和跨尺度融合高效处理多尺度特征。此外，为了克服现有交通标志检测方法在弱泛化方面的局限性，提高包围盒回归的准确性和效率，采用一种全新的损失函数inner-mpdiou，有效提高了模型的训练效率和精度。基于清华-腾讯100K(TT100K)数据集的实验结果表明：在保证实时性的前提下，该方法平均精度高达84.0%，相较于目前国际主流YOLOv8模型，提高了7.1%，整体模型大小降低了12.9%，提升了低分辨小目标检测有效性。
关键词：小目标检测;;交通标志检测;;YOLOv8;;低分辨率;;损失函数
基金资助：国家重点研发计划(2022YFB4500800);; 国家自然科学基金(42071431)
