基于YOLOv8的交通标志识别性能提升
计算机视觉与模式识别
2025-04-07 v1 性能
摘要
本文探讨了基于YOLOv8的交通标志识别性能优化问题。交通标志识别在自动驾驶车辆和高级车辆辅助系统（ADAS）的开发中发挥着关键作用。尽管深度学习和目标检测技术取得了显著进展，但准确检测和分类交通标志仍面临挑战，主要原因在于其尺寸较小、环境条件不稳定、遮挡问题以及类别不平衡。本论文提出一种增强型YOLOv8检测系统，集成了先进的数据增强技术、创新的网络结构模块，包括坐标注意力（CA）、双向特征金字塔网络（BiFPN）以及动态模块如ODConv和LSKA，并结合改进的损失函数（EIoU和WIoU与Focal Loss）。在GTSRB、TT100K和GTSDB等数据集上进行的广泛实验表明，检测准确率显著提升，在恶劣条件下的鲁棒性得到改善，边缘设备上的实时推理能力增强。这些发现为在实际自动驾驶场景中部署可靠的交通标志识别系统提供了可操作的见解。
引用
@article{arxiv.2504.02884,
title = {Enhancing Traffic Sign Recognition On The Performance Based On Yolov8},
author = {Baba Ibrahim and Zhou Kui},
journal= {arXiv preprint arXiv:2504.02884},
year = {2025}
}
备注
27 Pages, 6 Figures, 10 Tables and 20 References