基于改进YOLOv8s的交通标志检测算法

针对当前道路交通标志识别中遇到的众多环境干扰因素以及小目标比例较高的难题,提出了一种基于YOLOv8s改进的目标检测算法。该算法采用感受野卷积替代骨干网络中的普通卷积,这一改进显著提升了模型对目标物体的关注度。同时,修改了原算法的空间金字塔池化模块,使其能够对输入特征图进行多尺度的空间金字塔池化,从而增强特征的表达能力。此外,使用Focal-EIOU损失函数实现了更为精确的边界框回归。在CCTSDB数据集上的验证结果显示,mAP@0.5与mAP@0.5:0.95两个指标分别提升了1.6%和1.3%。