1.一种基于YOLOv8改进的自动驾驶目标检测方法,其特征在于,所述方法包括如下步骤:
S1、数据集的建立与划分,并进行预处理;
S2、构建基础的YOLOv8s模型;
S3、优化YOLOv8s模型,具体为:
S31、将YOLOv8s模型的主干部分中SPPF模块替换为改进的SPPF模块,所述改进的SPPF模块是在SPPF模块自输入端起的第一个卷积层与第一个拼接模块之间分别加入自适应平均池化与自适应最大池化;
S32、在YOLOv8s模型的头部部分添加一个小目标检测层;
S33、在YOLOv8s模型的主干部分和颈部部分之间添加4个改进后的ACCoM模块;
S4、采用预处理后的数据集对优化后的YOLOv8s模型进行迭代训练;
S5、采用训练完成的YOLOv8s模型检测目标。
2.根据权利要求1所述的基于YOLOv8改进的自动驾驶目标检测方法,其特征在于,所述数据集的划分是将数据集按照7:2:1的比例随机划分为训练集、验证集和测试集;所述预处理是将训练集、验证集和测试集使用make sense网站按11类标注标签进行人工标注。
3.根据权利要求1所述的基于YOLOv8改进的自动驾驶目标检测方法,其特征在于,所述YOLOv8s模型属于YOLOv8模型的一个版本;所述构建基础的YOLOv8s模型表示调整YOLOv8s模型并配置好相应的训练参数,包括设置训练次数为150轮。
4.根据权利要求1所述的一种基于YOLOv8改进的自动驾驶目标检测方法,其特征在于,YOLOv8s模型头部部分默认设置三个检测头:第一检测头、第二检测头和第三检测头;在YOLOv8s颈部部分自底向上第二个C2f模块后添加上采样、拼接和C2f模块;并在颈部部分自顶向下第一个卷积模块之前添加卷积、拼接和C2f模块;并在改进后颈部部分自底向上的分支的第三个C2f模块之后再添加一个小目标检测头,命名为第四检测头。
5.根据权利要求1所述的基于YOLOv8改进的自动驾驶目标检测方法,其特征在于,所述改进后的ACCoM模块中,具体的改进为:将ACCoM模块原有当前层的CA和SA模块替换为SimAM注意力机制模块。
6.根据权利要求5所述的基于YOLOv8改进的自动驾驶目标检测方法,其特征在于,在YOLOv8s模型的主干部分自输入端起的第一个C2f模块与YOLOv8s模型的颈部部分自底向上的分支自输入端起的第三个拼接模块之间添加改进后ACCoM模块,并命名为Sim-ACCoM1模块;在YOLOv8s模型的主干部分自输入端起的第二个C2f模块与YOLOv8s模型的颈部部分自底向上的分支自输入端起的第二个拼接模块之间添加改进后ACCoM模块,并命名为Sim-ACCoM2模块;在YOLOv8s模型的主干部分自输入端起的第三个C2f模块与YOLOv8s模型的颈部部分自底向上的分支自输入端起的第一个拼接模块之间添加改进后ACCoM模块,并命名为Sim-ACCoM3模块;在YOLOv8s模型的主干部分改进的SPPF模块后添加改进后ACCoM模块,并命名为Sim-ACCoM4模块;对于Sim-ACCoM1模块和Sim-ACCoM4模块仅包含一个相邻分支。
7.根据权利要求6所述的基于YOLOv8改进的自动驾驶目标检测方法,其特征在于,所述Sim-ACCoM1模块、Sim-ACCoM2模块、Sim-ACCoM3模块和Sim-ACCoM4模块分别接收主干部分来自当前分支以及相邻分支的不同层次的特征图,其中来自上一层分支层次的特征图命名为
8.根据权利要求1所述的基于YOLOv8改进的自动驾驶目标检测方法,其特征在于,所述迭代训练为:将预处理后的数据集中的训练集输入到优化后YOLOv8s模型中并调整参数进行训练,直到训练次数达到150轮停止训练,此时损失函数或mAP值已趋于稳定,得到训练完成的YOLOv8s模型。