基于YOLOv8的车辆类型识别研究

为了降低交通隐患,提高交通系统的可靠性与安全性,保证车辆检测的实时性和准确性。采用了深度学习领域的目标检测YOLOv8算法,该算法是基于YOLOv5的进一步提升与改进,在Backbone部分使用了梯度流更加丰富的C2f结构,Head部分换成了目前主流的解耦头结构,损失函数使用了Task-Aligned Assigner正负样本匹配方式以及其他一些改变。将车辆划分成7种类型的数据集为例进行车辆检测,首先将数据集进行拆分和归一化,然后调整相关的参数,最后训练模型。实验结果表明,YOLOv8算法在该实验数据集的车辆类型识别上mAP达到了95%,该方法在车辆类型的检测中结果较好,能够应用在实际的交通系统中。