基于改进YOLOv8的低光照行人检测算法

摘要

行人检测被广泛应用于智能交通和自动驾驶领域。在低光照场景下,行人检测存在漏检、误检等问题,检测精度低。为此,提出一种基于改进YOLOv8n的低光照行人检测(GSGYOLOv8)算法:首先,在主干网络添加GCNet模块,提高模型对图像上下文信息的提取能力;然后,在主干网络融合SPDConv和Conv,增强模型对局部特征的提取能力,提升小目标检测的效果;最后,在颈部网络添加GAM注意力机制,自适应地调整目标与背景之间的相关程度,降低背景信息的干扰。相较于基线YOLOv8n算法,该算法在NightSurveillance数据集上mAP@0.5和mAP@0.5~0.95分别提升了3.4和4.6;相较于其他主流算法,该算法系统开销更低,目标检测精度更高,特别是克服了低光照的影响,提升了低光照条件下行人检测的精度。