基于改進YOLOv8s的交通目標檢測研究

摘" 要： 針對自動駕駛場景下交通目標檢測算法存在的誤檢及漏檢的問題，提出一種基于改進YOLOv8s模型的復雜道路交通目標檢測算法。設計一種輕量級的C2f?EMSCP模塊改進YOLOv8s的骨干網絡，實現網絡的參數量和計算量的降低；在Backbone和Neck部分添加EMA注意力模塊，有效地捕捉了全局的通道依賴性與局部空間特征，實現在通道和空間維度上的全面特征抽取；針對密集車流下小尺寸車輛檢測效果不佳的問題，添加小目標檢測頭，更好地捕獲小尺寸車輛的特征和上下文信息；使用可自適應調整權重系數的Wise?SIoU作為改進模型的損失函數，提升了邊界框的回歸性能和檢測的魯棒性。在KITTI數據集上進行實驗，[P]、[R]和mAP@0.5分別提高了0.4%、2.1%和3.7%。文中的改進方法在交通監控系統中能夠達到較好的檢測精度和速度，有效改善了復雜交通場景下小目標車輛檢測效果不佳的問題。

關鍵詞： 自動駕駛； YOLOv8s； C2f?EMSCP模塊； 小目標檢測； 注意力機制； 損失函數

中圖分類號： TN911.73?34； TP391.41" " " " " " " " "文獻標識碼： A" " " " " " " " "文章編號： 1004?373X（2025）03?0181?06

Study on traffic object detection based on enhanced YOLOv8s

LI Jin， ZHAO Jie， Lü Yafei， YANG Zhenyue

（School of Electrical and Control Engineering， Heilongjiang University of Science and Technology， Harbin 150022， China）

Abstract： The proposed solution addresses the issue of 1 detection and missed detection in traffic object detection algorithms for autonomous driving scenarios. A sophisticated road traffic object detection algorithm based on an enhanced YOLOv8s model is introduced. A lightweight C2f?EMSCP module is incorporated to enhance the backbone network of YOLOv8s， so as to reduce network parameters and computational load. Additionally， the parts of Backbone and Neck are equipped with an EMA （efficient multi?scale attention） module， effectively capturing global channel dependence and local spatial features for comprehensive feature extraction across channel and spatial dimensions. Furthermore， in order to tackle the challenge of detecting small?sized vehicles in dense traffic flow， a dedicated small object detection head is introduced to better capture relevant features and contextual information. The improved model employs Wise?SIoU as its loss function， which adaptively adjusts weight coefficients to enhance bounding box regression performance and detection robustness. The results of experiments on the KITTI dataset demonstrate that the [P] （precision）， [R] （recall）， and mAP@0.5 （mean average precision at IoU threshold 0.5） are improved by 0.4%， 2.1%， and 3.7%， respectively， in comparison with those of the baseline models. Overall， the proposed approach achieves high accuracy and speed in traffic monitoring systems while effectively addressing challenges associated with detecting small vehicles （objects） in complex traffic scenes.

Keywords： autonomous driving; YOLOv8s; C2f?EMSCP module; small object detection; attention mechanism; loss function

0" 引" 言

車輛的精確檢測是實現城市智慧交通系統的核心技術之一，已廣泛應用于自動駕駛、智能交通系統及安全監控等多個領域。當前，交通目標檢測技術主要分為兩類：傳統目標檢測算法和基于深度學習的目標檢測算法。傳統算法在實際應用中通常存在精度低、響應速度慢等問題。相比之下，基于深度學習的方法近年來迅速發展，在性能上顯著優于傳統算法，逐漸成為交通目標檢測技術領域的主流選擇。

深度學習算法主要分為基于候選區域的兩階段方法和基于回歸的一階段方法。文獻[1]采用選擇搜索算法提取R?CNN實現了目標檢測，取得了較好的效果，但計算量較大。文獻[2]提出了Faster R?CNN，采用區域建議網絡替代選擇性搜索，顯著提升了檢測速度和精度，但易受天氣和光線影響。文獻[3]在YOLO v4中引入Inception v3結構，提高了對小尺寸目標的識別能力，但在資源受限環境中，模型大小和處理速度仍需優化。文獻[4]在YOLO v5中引入CARAFE上采樣算子，改善了小目標特征信息的丟失，但在復雜背景或高度遮擋場景下，模型的魯棒性和精度仍需提升。文獻[5]在YOLO v7中增加了通道注意力機制，提升了自建數據集的檢測精度，但模型泛化能力需在更多類型的數據集上驗證。文獻[6]在自動駕駛場景中采用多頭自注意殘差模塊（MHSARM）強化特征信息，弱化背景干擾，但存在小目標漏檢問題。文獻[7]提出ATO?YOLO，設計了三重特征融合機制（TFF），有效應對小目標間的尺度變化，但在分布不規則情況下可能出現域偏移，導致漏檢和誤檢。

1" 改進YOLOv8s模型

YOLOv8s模型引入了五種縮放系數的尺度算法，以適應不同場景需求。本文選擇了精度和速度兼優的YOLOv8s[8]算法，該算法包括輸入端、主干網絡、Neck網絡和輸出端四個部分。

相比YOLO v5[9]，YOLOv8s在主干網絡中引入了CSP模塊，將C3模塊替換為C2f模塊，實現了模型輕量化。在Neck部分，仍采用PAN結構，但去除了1×1的降采樣層。頭部方面，將YOLOv8s從基于錨點的匹配機制轉變為無錨點的方式，帶來了顯著改進。

1.1" C2f?EMSCP

EMSCP方法的設計思想源于一種輕量級的GhostNet神經網絡算法，Ghost卷積是GhostNet的關鍵組件，它通過將輸入的特征圖分成兩個部分來降低計算需求。這種卷積包括一個主干路徑和一個輔助路徑。主干路徑負責抽取主要的特征；而輔助路徑則專注于次要特征的提取。在訓練階段，這兩條路徑可以同時運作，增強了算法的效率。在推理階段，僅需利用主干路徑的輸出作為最終的特征表示。基于此，本文設計了EMSCP方法，EMSCP結構如圖1所示。

在EMSCP模塊中，假設初始CBS層的輸出通道數為[C]。先進行分組操作，使其形狀從（bs，[g]，ch，[h]，[w]）轉變為（bs，ch，[h]，[w]，[g]）。其中：bs表示批次大小；[g]表示分組數；ch表示通道數；[h]和[w]分別表示特征圖的高度和寬度。接著，將輸入通道數[C]平均分為4組，第一組特征圖與1×1的卷積核進行卷積操作，第二組特征圖則與3×3的卷積核進行特征提取，第三組特征圖與5×5的卷積核進行卷積操作，第四組特征圖則與7×7的卷積核進行特征提取。完成卷積后，將這四組特征圖進行堆疊，生成形狀為（[g]，bs，ch，[h]，[w]）的新特征圖。隨后，再次對新特征圖進行分組操作，將其形狀恢復為（bs，（[g]，ch），[h]， [w]）。最終，通過一次逐點卷積操作，使輸出張量的通道數恢復為輸入時的通道數[C]。

在特征融合過程中，C2f?EMSCP方法通過堆疊和融合不同尺度的特征圖，將各個尺度的特征信息進行組合和互補，捕捉到局部細節和全局上下文信息，從而獲得更全面的特征表示，進一步提升特征的代表性和判別能力，使算法可以更好地理解和解釋輸入數據，提高算法在各種任務中的性能。另外，C2f?EMSCP方法還具有一定的計算效率，通過并行處理不同尺度的特征圖，可以有效地減少算法的計算量，降低算法復雜度，實現算法的輕量化。C2f?EMSCP結構如圖2所示。

1.2" 添加小目標檢測層

在目標檢測中，小目標由于分辨率低和特征信息少，容易被忽略或誤分類。YOLOv8s采用較大的下采樣倍率，導致小目標特征丟失，盡管Neck模塊融合了不同深度的特征圖，但最高尺度為80×80，無法捕獲全部小目標特征信息。

針對KITTI數據集中大量行人和車輛的場景，YOLOv8s的三個檢測層無法滿足需求，因此增加了一個160×160特征圖的小目標檢測層以提高模型對于小目標的檢測能力，YOLOv8s檢測層與P2檢測層對比如圖3所示。

1.3" 添加注意力機制

由于交通場景中車輛和行人位置的不可預見性，以及周圍環境與檢測目標在顏色和形狀上的相似性，導致遮擋現象，從而可能使檢測模型將干擾信息與目標特征混淆，影響識別的準確性，造成漏檢和誤檢。為解決這些因素對圖像特征提取的干擾問題，本文引入了多尺度注意力機制（EMA）[10]，其結構如圖4所示。

EMA注意力機制通過三個不同分支增強分組特征圖的注意力權重獲取。第一個分支壓縮原始特征圖的通道數并與其他分支信息結合以融合特征；1×1分支借鑒CA[11]注意力機制，對特征圖沿兩個空間維度進行二維平均池化；3×3分支添加3×3卷積層以捕捉多尺度特征并促進局部跨通道交互，從而擴展特征表達的空間。EMA注意力機制結合了通道和空間注意力，有效捕捉全局通道依賴性和局部空間特征，實現全面特征提取。

1.4" 優化損失函數

YOLOv8s默認使用CIoU[12]作為邊界框回歸損失函數。然而，在不同環境下，物體的相對尺度差異較大，特別是在小目標檢測中，CIoU的局限性尤為明顯。因此，本文引入Wise?SIoU作為邊界框回歸損失函數。

WIoU v3[13]包含一種動態非單調機制和合理的梯度增益分配策略，減少了極端樣本中出現的大梯度或有害梯度，使模型能更多關注普通質量的樣本。SIoU[14]在CIoU的基礎上添加了回歸所需的角度因素，并重新定義了懲罰項。結合兩者優點，Wise?SIoU損失函數提高了網絡模型的泛化能力和整體性能。WIoU的公式如下：

[IoU=WiHiwh+wgthgt-WiHi] （1）

[LIoU=1-IoU] （2）

[RWIoU=exp（x-xgt）2+（y-ygt）2W2g+H2g] （3）

[LWIoU v1=RWIoULIoU] （4）

本文中選取WIoU v3作為邊界框回歸函數，公式如下：

[β=L?IoULIoU∈0，+∞）] （5）

[LWIoU v3=γLWIoU v1， " " "γ=βδαβ-α] （6）

式中：[L*IoU]為單調聚焦系數；[LIoU]為平均值；[α]、[δ]為超參數。

SIoU的公式如下：

[LSIoU=1-LIoU+Δ+Ω2] （7）

式中：[Δ]為距離損失值；[Ω]為形狀損失值。

Wise?SIoU的公式如下：

[β=L?WSIoULWSIoU∈0，+∞）] （8）

[LWSIoU=γLWSIoU v1， " " γ=βδαβ-α] （9）

2" 實驗結果與分析

2.1" 數據集

為充分驗證改進模型的性能，本文采用KITTI數據集進行訓練和測試。KITTI數據集包含市區、鄉村和高速公路等場景的真實圖像數據。原始數據集包含Car、Van、Truck、Pedestrian、Person（sitting）、Cyclist、Tram、Misc等8類目標。在數據預處理中，將Car、Van、Truck和Tram四類合并為Car類，Pedestrian和Person（sitting）合并為Pedestrian類，保留Cyclist類，刪除Misc類。最終數據集包含7 481張圖像，分為6 732張訓練集和749張驗證集。

2.2" 實驗環境

本文實驗是基于PyTorch和CUDA框架在Linux操作系統下進行的，使用的預訓練模型為YOLOv8s，具體的軟硬件配置和環境配置為：AMD EPYC 9754，NVIDIA RTX3090 24 GB顯卡，內存60 GB，CUDA 11.8，Python 3.8。

2.3" 評估指標

為了全面評估模型的性能，本文將準確率（[P]）、召回率（[R]）、平均準確率（mAP）、參數量（Params）、每秒傳輸幀數（FPS）、浮點運算率（GFLOPs）作為本文的評價指標。

2.3.1" 檢測頭對比實驗

在實際路況中存在著大量的小目標，而YOLOv8s自帶的三個檢測層不能很好地滿足實際檢測任務的需要，本文在YOLOv8s的基礎上對其檢測頭部分進行改進，并與目前主流的幾種檢測頭模塊進行了對比實驗，結果如表1所示。

由表1可以看出，P2檢測頭在僅增加了模型計算量和降低了部分FPS的情況下，[P]、[R]、mAP@0.5和Params都得到了較大的提升，尤其是mAP@0.5獲得了2.8%的提高。而P6檢測頭在指標GFLOPs少量下降外，其余指標都得到了一定的損失；Dyhead檢測頭在[P]、mAP@0.5、Params和GFLOPs上取得了一定的提升，但犧牲了大量的檢測速度，不能很好地滿足無人駕駛領域下目標檢測任務的需求；Aux檢測頭盡管在[R]和mAP@0.5上取得了較好的提升，但也相應地在[P]上損耗了3.6%的精度。通過上述的對比實驗分析，證明了P2檢測頭的有效性。

2.3.2" 注意力機制對比實驗

為了提高模型的檢測精度，在YOLOv8s基礎上添加注意力機制進行對比實驗。選取目前主流的且適合目標檢測任務的CPCA、SimAM、SA、CA、Triplet等注意力機制及本文使用的多尺度注意力機制（EMA）進行對比，結果如表2所示。

由表2可以看出，在模型中加入CPCA、SimAM、SA和Triplet注意力機制后反而降低了檢測精度，加入CA注意力機制后相較于原模型僅提高了mAP@0.5和[R]的精度，且提升較小，而加入了EMA注意力機制的提升最大，盡管檢測速度有些許下降，但也滿足實時檢測的需求。通過上述的對比實驗證明了EMA注意力的有效性。

2.3.3" 不同改進模塊的消融實驗

為了驗證本文所提改進模塊對模型的提升效果，設計8組消融實驗，在YOLOv8s網絡的基礎上分別替換C2f?EMSCP、添加小目標檢測層、融合EMA注意力機制、更換WSIoU損失函數，將各個改進模塊依次累加，實驗結果如表3所示。

對比實驗一和六可以發現，融合C2f?EMSCP和小目標檢測層的模型在[P]、[R]、mAP@0.5和Params三項指標上分別提高了0.6%、1.7%和3.3%，在Params這項指標上分別降低了6.3%，FPS雖有所下降，但仍滿足實時檢測任務的要求；對比實驗一、實驗六和實驗七可以發現，在融合多尺度注意力機制EMA后，相較于實驗六，模型在略微犧牲了一點檢測速度，以及微增了點計算量的情況下[P]、[R]和mAP@0.5三個指標上都得到了提升，相較于實驗一，模型在損失了一點準確率和檢測速度外，剩余評價指標實現了全面提升；在融合了4個改進模塊后，相較于基礎模型，計算量和檢測速度略有損失的情況下，所提改進模型在[P]、[R]和mAP@0.5上，分別提高了0.4%、2.1%和3.7%。綜合分析表3，消融實驗結果證明本文所提各個改進模塊均具有效果。

2.3.4" 檢測結果對比

為進一步驗證本文改進YOLOv8s模型的有效性，利用KITTI測試集數據進行測試，測試結果如圖5所示。

2.3.5" 不同模型的對比實驗

為進一步驗證本文所提算法的有效性，與其他主流目標檢測算法進行對比，實驗結果如表4所示。

3" 結" 語

本文基于YOLOv8s網絡模型，提出了一種適用于自動駕駛場景下不同道路環境目標檢測的算法模型。設計一種輕量級的C2f?EMSCP模塊改進YOLOv8s的骨干網絡，實現網絡的參數量和計算量的降低；增加1個小目標檢測層，提高了復雜場景下小目標車輛的檢測性能；添加EMA注意力機制，提高了模型的特征融合能力；使用Wise?SIoU作為損失函數，使檢測模型的邊界框回歸性能得到提升。改進后的模型在KITTI數據集上的實驗結果表明，與原有的YOLO v8相比，本文提出的方法在平均檢測精度上實現了3.70%的提升，完全能滿足道路監控場景的需求。

注：本文通訊作者為趙杰。

參考文獻

[1] GIRSHICK R， DONAHUE J， DARRELL T， et al. Rich feature hierarchies for accurate object detection and semantic segmentation [C]// Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. New York： IEEE， 2014： 580?587.

[2] GIRSHICK R. Fast R?CNN [C]// Proceedings of the IEEE International Conference on Computer Vision. New York： IEEE， 2015： 1440?1448.

[3] 江屾，殷時蓉，羅天洪，等.基于改進YOLOv4的多目標車輛檢測算法[J].計算機工程與設計，2024，45（4）：1181?1188.

[4] 貴向泉，秦慶松，孔令旺.基于改進YOLOv5s的小目標檢測算法[J].計算機工程與設計，2024，45（4）：1134?1140.

[5] 蔡劉暢，楊培峰，張秋儀.基于YOLOv7的道路監控車輛檢測方法[J].陜西科技大學學報，2023，41（6）：155?161.

[6] 湯林東，云利軍，羅瑞林，等.基于改進Yolov5s的復雜道路交通目標檢測算法[J].鄭州大學學報（工學版），2024，45（3）：67?71.

[7] 蘇佳，秦一暢，賈澤，等.基于ATO?YOLO的小目標檢測算法[J].計算機工程與應用，2024，60（6）：68?77.

[8] 馮勇，楊思卓，徐紅艷.基于YOLO v8的輕量化安全帽佩戴檢測算法[J/OL].計算機應用：1?9[2024?04?22].http：//kns.cnki.net/kcms/detail/51.1307.TP.20240418.1338.002.html.

[9] 余國豪，賈瑋迪，余鵬飛，等.基于改進YOLOv5s的車臉檢測算法[J].計算機工程與設計，2024，45（3）：732?739.

[10] OUYANG D L， HE S， ZHANG G Z， et al. Efficient multi?scale attention module with cross?spatial learning [C]// Proceedings of 2023 IEEE International Conference on Acoustics， Speech and Signal Processing （ICASSP）. New York： IEEE， 2023： 1?5.

[11] HOU Q， ZHOU D， FENG J. Coordinate attention for efficient mobile network design [C]// Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. New York： IEEE， 2021： 13713?13722.

[12] ZHENG Z H， WANG P， REN D W， et al. Enhancing geometric factors in model learning and inference for object detection and instance segmentation [J]. IEEE transactions on cybernetics， 2022， 52（8）： 8574?8586.

[13] TONG Z J， CHEN Y H， XU Z W， et al. Wise?IoU： Bounding box regression loss with dynamic focusing mechanism [EB/OL]. [2023?01?26]. https：//arxiv.org/abs/2301.10051.

[14] GEVORGYAN Z. SIoU loss： More powerful learning for bounding box regression [EB/OL]. [2022?05?25]. https：//arxiv.org/abs/2205.12740.

[15] 楊振，李林，羅文婷，等.改進YOLOv5的瀝青路面病害檢測算法[J].計算機工程與設計，2023，44（11）：3360?3372.