YOLOv8在单目向下多车目标检测中的应用
计算机视觉与模式识别
2025-07-24 v2 人工智能
摘要
自动驾驶技术正在逐步改变传统的汽车驾驶方式，标志着现代交通的重要里程碑。目标检测是自主系统的基石，在增强驾驶安全、实现自主功能、提高交通效率和促进有效应急响应方面发挥着至关重要的作用。然而，当前技术如雷达用于环境感知、相机用于道路感知以及车辆传感器网络面临显著挑战，包括高成本、对天气和光照条件的脆弱性以及分辨率有限。为解决这些局限性，本文提出了一种基于YOLOv8的改进自主目标检测网络。通过将结构重参数化技术、双向金字塔结构网络模型和新型检测流水线集成到YOLOv8框架中，所提出的方法实现了对多尺度、小型和远程目标的高效精确检测。实验结果表明，增强模型能够有效检测大目标和小目标，检测精度达到65%，展示了相对于传统方法的显著进步。该改进模型具有巨大的实际应用潜力，适用于如中国大学生方程式自动驾驶大赛（FSAC）等自动驾驶竞赛场景，尤其在单目标和小目标检测场景中表现出色。
引用
@article{arxiv.2505.10016,
title = {Application of YOLOv8 in monocular downward multiple Car Target detection},
author = {Shijie Lyu},
journal= {arXiv preprint arXiv:2505.10016},
year = {2025}
}
备注
This submission included authors who did not consent to the submission. The paper is being withdrawn until authorship issues are resolved