来源：期刊VIP网 时间：
作者：李珺;史维娟;丁彬彬;杨琳
单位：1.兰州交通大学电子与信息工程学院
摘要：为了解决复杂交通场景中存在的背景干扰、目标遮挡及小尺寸交通标志识别难题，提出MOED-YOLOv8交通标志检测算法。首先，设计多尺度特征增强(Multi-scale Feature Enhancement, MFE)模块以解决多尺度特征损失，随后，融合大、中、小尺寸特征，在对齐多尺度特征的同时保留跨尺度信息；然后，构建遮挡感知多尺度注意力(Occlusion-aware Multi-Scale Attention, OMSA)模型并将其集成到检测头中，此外，通过引入指数变换以提高位置误差的容错性；其次，构建双分支架构的边缘空间信息融合(Edge-Spatial information Fusion, ESF)模块，联合卷积分支与池化分支以整合局部边缘细节与全局语义信息，从而抑制背景干扰；最后，设计动态序列特征融合(Dynamic Sequence Feature Fusion, DSFF)模块，通过引入高分辨率P2层并采用注意力引导的序列融合，有效整合深层语义特征和浅层细节特征，以提高小型交通标志的检测能力。结果表明，相较于YOLOv8s基准模型，MOED-YOLOv8算法的参数量和计算量分别压缩了17.1%和8.0%,FPS提升至207.5,同时在TT100k、CCTSDB和GTSDB数据集上的m_(AP)@0.5指标分别提升6.9百分点、2.1百分点和2.5百分点。所提算法不仅具备更高的检测性能，还实现了模型轻量化，更适用于复杂交通场景下的交通标志检测。
关键词：安全工程;交通标志检测;YOLOv8;遮挡感知;边缘空间信息融合;轻量化
基金资助：国家自然科学基金项目(62241204)
