面向复杂场景的多尺度行人和车辆检测算法.pdfVIP

2025年5月1日现代电子技术May2025

第48卷第9期ModernElectronicsTechniqueVol.48No.9

143

143

DOI：10.16652/j.issn.1004⁃373x.2025.09.022

引用格式：王娟敏，皮建勇，黄昆，等.面向复杂场景的多尺度行人和车辆检测算法[J].现代电子技术，2025，48（9）：143⁃153.

面向复杂场景的多尺度行人和车辆检测算法

王娟敏，皮建勇，黄昆，胡伟超，胡倩

（贵州大学计算机科学与技术学院公共大数据国家重点实验室，贵州贵阳550000）

摘要：为了解决行人和车辆检测任务中由于多尺度和遮挡现象导致漏检的问题，文中提出一种基于YOLOv8的改进

检测算法RDRFM⁃YOLO。对于主干网络，设计RFDRep模块替代卷积和C2f模块，以加强网络对于不同尺度特征的捕获能

力；对于颈部网络，设计SFMS模块进行优化，以提升模型对遮挡目标的特征提取能力。在自制的行人和车辆数据集上的实

验表明，改进的RDRFM⁃YOLO相较于原始算法有更好的性能表现，同时保持了高效的检测效率。mAP0.5达到了56.7%，

69

mAP0.5：0.95达到了37.3%，相比于原始算法分别提高了2.8%和2.3%，参数量和浮点运算量为3.3×10和9.2×10，相比于原

69

始算法仅增加了0.1×10和0.3×10。同时，模型在多个数据集上均有较好的性能表现。

关键词：行人和车辆检测；多尺度；遮挡；RDRFM⁃YOLO；RFDRep模块；SFMS模块

中图分类号：TN911.73⁃34；TP391文献标识码：A文章编号：1004⁃373X（2025）09⁃0143⁃011

Multi⁃scalepedestrianandvehicledetectionalgorithmforcomplexscenes

WANGJuanmin,PIJianyong,HUANGKun,HUWeichao,HUQian

(StateKeyLaboratoryofPublicBigData,CollegeofComputerScienceandTechnology,GuizhouUniversity,Guiyang550000,China)

Abstract：AYOLOv8⁃basedimprovedd