基于SC-YOLOv8的交通标志检测算法研究

为了解决交通标志检测中所存在的准确率低、参数量大等问题,本文提出了一种基于YOLOv8s改进的SC-YOLOv8交通标志检测算法。该算法使用下采样Adown模块替换普通下采样Conv,提升模型对目标的感知能力;使用SCConv模块替换C2f中的Bottleneck,设计全新的C2f_SC模块,大幅减少模型参数;通过增加160×160尺度的检测头去除20×20尺度的检测头来改进目标检测层,有效的提高了检测精度;最后使用WIoU损失函数的思想改进MPDIoU,以Wise-MPDIoU替换原CIoU损失函数,缓解了正负样本不平衡的问题。该算法在TT100K交通标志数据集上进行验证,与原模型YOLOv8s进行比较,精确率P提升了4.8%,召回率R提升了6.7%,mAP50提升了6.6%,参数量Params下降了61.5%。证明了所做改进的有效性。