计算机工程

作者：袁亚剑, 毛力

单位：1. 江南大学人工智能与计算机学院, 江苏 无锡 2141222. 江南大学先进技术研究院, 江苏 无锡 2141223. 江南大学江苏省模式识别与计算机智能工程实验室, 江苏 无锡 214122

关键词：交通标志检测,轻量化网络,前景增强模块,小目标检测,黑夜场景目标检测

基金：国家自然科学基金面上项目(62272202)

交通标志检测在辅助驾驶中扮演着不可或缺的角色, 为安全驾驶提供了至关重要的支持。在实际交通环境中, 在黑夜或雨天产生的背景噪声会加大交通标志检测的难度。现有模型往往难以有效检出远处的小目标交通标志, 此外, 在设计交通标志检测模型时应当考虑到实际部署对模型体积的要求。为此, 在YOLOv8的基础上提出一种增强前景的轻量级交通标志目标检测模型。首先, 设计了1个轻量级的PC2f模块替换掉原本Backbone中的部分C2f模块, 该模块降低了模型的参数量和计算量, 在保留更多浅层信息的同时进一步丰富了梯度流信息, 同时实现了模型轻量化和提升检测性能; 其次, 设计了前景增强模块(FEM)并将其引入Neck位置, 该模块能够有效放大前景信息并减弱背景噪声; 最后, 增加了一层小目标检测层, 用于在高分辨率的图像上提取浅层特征, 加强模型对小目标交通标志的检测性能。实验结果表明, 优化后的模型在数据集CCTSDB 2021和GTSDB上的mAP50分别达到了82.5%和95.3%, 相较于原模型分别提升了3.6和1百分点, 并且模型权重大小减小了0.22×106。这些结果验证了所提模型在实际应用中的有效性。

来源：2025年第3期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第3期