摘要：针对YOLOv8n算法在面对复杂多变的多尺度目标时出现的错检、漏检问题,提出了一种基于多尺度特征融合的改进YOLOv8n车辆与行人目标检测算法——BF-YOLOv8n。首先,在空间池化层中设计高级筛选特征提取模块(CA＿SPPF),以增强模型对不同尺度特征的提取能力;然后,设计一种160×160的小目标检测头,以提高模型对小目标的识别精度;接着,提出一种基于4检测头的双向融合特征金字塔网络(BiFPN-4H),以提高模型对不同尺度目标的适应性和检测精度;最后,采用EIoU作为边框损失函数,以增强模型对目标的定位精度。在VOC数据集上的实验结果表明,相较于YOLOv8n模型,BF-YOLOv8n模型的精准率、召回率和平均精度均值分别提升了5.7、5.1和5.0百分点;在COCO数据集上的实验结果表明,BF-YOLOv8n模型的各项评价指标都有不同程度的提升,说明该算法具有良好的泛化性和鲁棒性。
